OpenCV中数据类型cv::Vec3f

cv::Vec3f 是 OpenCV 提供的一个模板类,用于表示具有三个元素的向量,每个元素都是 float 类型。在图像处理和计算机视觉中,这种类型的向量通常用于表示颜色值(如 BGR 颜色空间中的一个像素点)、坐标点(例如圆的中心),或其他需要三个浮点数的数据。

cv::Vec3f 的使用

1. 表示圆的参数

在使用 cv::HoughCircles 函数检测圆时,cv::Vec3f 通常用来表示检测到的圆的参数:

  • cv::Vec3f 的第一个元素是圆心的 x 坐标。
  • 第二个元素是圆心的 y 坐标。
  • 第三个元素是圆的半径。
cpp 复制代码
std::vector<cv::Vec3f> circles;
cv::HoughCircles(edges, circles, cv::HOUGH_GRADIENT, 1, 20, 50, 30, 10, 100);

for (const auto& circle : circles) {
    cv::Point center(cvRound(circle[0]), cvRound(circle[1]));
    int radius = cvRound(circle[2]);
    // 处理检测到的圆
}
2. 表示颜色值

cv::Vec3f 也可以用来表示图像中的颜色值,尤其是当你需要浮点精度时。例如:

cpp 复制代码
cv::Vec3f color(0.0f, 255.0f, 0.0f); // 绿色(BGR格式)
3. 表示三维坐标

在一些计算机视觉应用中,cv::Vec3f 也可以用来表示三维坐标点:

cpp 复制代码
cv::Vec3f point3D(1.0f, 2.0f, 3.0f);

代码示例

以下是一个完整的 C++ 示例,展示了如何使用 cv::Vec3f 来检测圆并处理相关参数:

cpp 复制代码
#include <opencv2/opencv.hpp>
#include <iostream>

void detectCircles(const cv::Mat& edges) {
    std::vector<cv::Vec3f> circles;
    cv::HoughCircles(edges, circles, cv::HOUGH_GRADIENT, 1, 20, 50, 30, 10, 100);

    for (const auto& circle : circles) {
        // 圆的中心坐标
        cv::Point center(cvRound(circle[0]), cvRound(circle[1]));
        // 圆的半径
        int radius = cvRound(circle[2]);

        std::cout << "Circle detected at (" << center.x << ", " << center.y << ") with radius " << radius << std::endl;

        // 在图像上绘制圆
        cv::Mat img = cv::imread("clock.jpg");
        cv::circle(img, center, radius, cv::Scalar(0, 255, 0), 2); // 绘制圆
        cv::circle(img, center, 3, cv::Scalar(0, 0, 255), -1); // 绘制圆心

        // 显示图像
        cv::imshow("Detected Circles", img);
        cv::waitKey(0);
    }
}

int main() {
    cv::Mat img = cv::imread("clock.jpg");
    if (img.empty()) {
        std::cerr << "Error: Image not found!" << std::endl;
        return -1;
    }

    cv::Mat gray;
    cv::cvtColor(img, gray, cv::COLOR_BGR2GRAY);
    cv::Mat edges;
    cv::GaussianBlur(gray, gray, cv::Size(5, 5), 0);
    cv::Canny(gray, edges, 50, 150);

    detectCircles(edges);

    return 0;
}

代码解释

  1. 读取图像并转换为灰度图像:

    • cv::imread 读取图像文件。
    • cv::cvtColor 将图像转换为灰度图。
  2. 应用高斯滤波和边缘检测:

    • cv::GaussianBlur 去噪。
    • cv::Canny 边缘检测。
  3. 检测圆并绘制:

    • cv::HoughCircles 检测图像中的圆,返回圆的参数作为 cv::Vec3f 向量。
    • 遍历检测到的圆,使用 cv::circle 在图像上绘制圆和圆心。
  4. 显示图像:

    • 使用 cv::imshow 显示图像,cv::waitKey 等待用户按键。

通过理解和正确使用 cv::Vec3f,您可以在 OpenCV 中高效地处理和管理三维数据或颜色数据。

相关推荐
想成为风筝4 小时前
从零开始学习深度学习—水果分类之PyQt5App
人工智能·深度学习·计算机视觉·pyqt
千宇宙航5 小时前
闲庭信步使用图像验证平台加速FPGA的开发:第十课——图像gamma矫正的FPGA实现
图像处理·计算机视觉·缓存·fpga开发
ansondroider7 小时前
OpenCV 4.10.0 移植 - Android
android·人工智能·opencv
Coovally AI模型快速验证7 小时前
基于YOLOv11的CF-YOLO,如何突破无人机小目标检测?
人工智能·神经网络·yolo·目标检测·计算机视觉·cnn·无人机
luofeiju7 小时前
opencv中contours的使用
opencv
千宇宙航8 小时前
闲庭信步使用图像验证平台加速FPGA的开发:第十二课——图像增强的FPGA实现
图像处理·计算机视觉·fpga开发
莱茶荼菜8 小时前
虚拟项目[3D物体测量]
数码相机·计算机视觉·3d
徒慕风流13 小时前
使用球体模型模拟相机成像:地面与天空的可见性判断与纹理映射
算法·计算机视觉
CoovallyAIHub18 小时前
从大象到老鼠,FPN如何一次搞定?多尺度检测核心解析
深度学习·算法·计算机视觉
Ronin-Lotus1 天前
模型训练与部署注意事项篇---resize
人工智能·深度学习·计算机视觉