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
硅谷秋水4 天前
MorphMimic 方法分析
人工智能·机器学习·计算机视觉·机器人
jay神4 天前
基于 YOLOv8 的传送带异物检测系统(Web 版)
前端·人工智能·深度学习·yolo·计算机视觉·计算机毕业设计
Rattenking6 天前
OpenCV 轨迹栏操作和键盘响应操作
人工智能·opencv·计算机外设
jay神6 天前
基于 YOLOv8 的手势识别系统(Web 版)
前端·人工智能·python·深度学习·yolo·计算机视觉·计算机毕业设计
wangxiaoxuan2177 天前
TF2 的原理与使用:把坐标、运动和观测时间一起算清楚
计算机视觉·机器人·科沃斯八界
硅谷秋水7 天前
EgoHumanoid‑V2 方法分析
人工智能·机器学习·计算机视觉·语言模型·机器人
BYSJMG7 天前
计算机毕业设计选题推荐:【基于深度学习的车辆损坏严重程度评估方法研究】ResNet50 图像分类
人工智能·深度学习·目标检测·机器学习·计算机视觉·分类·课程设计
BYSJMG7 天前
计算机毕业设计选题推荐|【基于深度学习的电梯电动车违规进入检测研究】YOLO26m+可视化大屏
人工智能·深度学习·神经网络·目标检测·机器学习·计算机视觉·课程设计
硅谷秋水8 天前
将闲科技(LiberAI)提出世界动作模型Liber-0
机器学习·计算机视觉·语言模型·机器人
ahccqw8 天前
OpenCV 车辆数量统计
人工智能·opencv·计算机视觉