Kotlin OpenCV 图像图像51图片轮廓获取

在OpenCV库中，Imgproc.adaptiveThreshold、Imgproc.findContours 和 Imgproc.boundingRect 这三个方法在图像处理和分析中非常有用。以下是它们的详细作用：

Imgproc.adaptiveThreshold	解释
作用	该方法用于将灰度图像二值化。与普通的阈值处理不同，adaptiveThreshold 可以根据图像局部区域的亮度变化自适应地确定每个像素的阈值。
使用场景	适用于光照不均匀的图像，在全局阈值不能很好区分前景和背景时，adaptiveThreshold 可以生成更准确的二值图像。
src	输入的灰度图像。
dst	输出的二值图像。
maxValue	阈值分割后的最大值（通常为255）。
adaptiveMethod	自适应方法，可以是 ADAPTIVE_THRESH_MEAN_C 或 ADAPTIVE_THRESH_GAUSSIAN_C。
thresholdType	阈值类型，通常为 THRESH_BINARY 或 THRESH_BINARY_INV。
blockSize	用于计算阈值的邻域大小。
C	从计算出的平均值或加权平均值中减去的常数，用于微调。

Imgproc.findContours	解释
作用	该方法用于检测图像中的轮廓。它可以识别二值图像中的连通分量，并将这些连通分量的边缘表示为轮廓。
使用场景	常用于对象检测、形状分析、物体识别等任务中，是许多高层次图像分析算法的基础。
image	输入的二值图像，通常是经过阈值处理的结果。
contours	输出的轮廓列表，其中每个轮廓都是一个点的列表。
hierarchy	可选的层次结构信息，用于描述轮廓之间的嵌套关系。
mode	轮廓的检索模式，如 RETR_EXTERNAL（只检索外部轮廓）或 RETR_TREE（检索所有轮廓并重构嵌套层次）。
method	轮廓的近似方法，如 CHAIN_APPROX_SIMPLE（压缩水平、垂直和对角线段，保留端点）或 CHAIN_APPROX_NONE（保留所有点）。

Imgproc.boundingRect	解释
作用	该方法用于计算并返回包围特定点集或轮廓的最小矩形边框。
使用场景	常用于从图像中提取感兴趣区域(ROI)，或进一步分析特定区域的内容。
points	输入的点集或轮廓，可以是一个 Mat 或 List 对象。
输出	返回一个 Rect 对象，表示包围点集的矩形框，包含位置和尺寸信息（即 x, y, width, height）。

Kotlin OpenCV 全部代码

kotlin 复制代码

package com.xu.com.xu.image

import org.opencv.core.Core
import org.opencv.core.Mat
import org.opencv.core.MatOfPoint
import org.opencv.core.Scalar
import org.opencv.highgui.HighGui
import org.opencv.imgcodecs.Imgcodecs
import org.opencv.imgproc.Imgproc
import java.io.File
import java.util.*

object Contour {

    init {
        val os = System.getProperty("os.name")
        val type = System.getProperty("sun.arch.data.model")
        if (os.uppercase(Locale.getDefault()).contains("WINDOWS")) {
            val lib = if (type.endsWith("64")) {
                File("lib\\opencv-4.9\\x64\\" + System.mapLibraryName(Core.NATIVE_LIBRARY_NAME))
            } else {
                File("lib\\opencv-4.9\\x86\\" + System.mapLibraryName(Core.NATIVE_LIBRARY_NAME))
            }
            System.load(lib.absolutePath)
        }
        println("OpenCV: ${Core.VERSION}")
    }

    @JvmStatic
    fun main(args: Array<String>) {
        val image = Imgcodecs.imread("C:\\Users\\xuyq\\Desktop\\1.png")

        val gray = Mat()
        Imgproc.cvtColor(image, gray, Imgproc.COLOR_BGR2GRAY)

        val binary = Mat()
        // 灰度图像自适应阈值二值化
        Imgproc.adaptiveThreshold(
            gray,
            binary,
            255.0,
            Imgproc.ADAPTIVE_THRESH_GAUSSIAN_C,
            Imgproc.THRESH_BINARY_INV,
            11,
            2.0
        )

        val contours = mutableListOf<MatOfPoint>()
        val hierarchy = Mat()
        // 检测图像中的轮廓
        Imgproc.findContours(binary, contours, hierarchy, Imgproc.RETR_EXTERNAL, Imgproc.CHAIN_APPROX_SIMPLE)

        for (contour in contours) {
            // 计算并返回包围特定点集或轮廓的最小矩形边框
            val rect = Imgproc.boundingRect(contour)
            // 过滤小区域
            if (rect.width > 28 || rect.height > 28) {
                rect.x -= 15
                rect.y -= 15
                rect.width += 30
                rect.height += 30
                Imgproc.rectangle(image, rect, Scalar(0.0, 0.0, 255.0), 2)
            }
        }
        HighGui.imshow("src", image)
        HighGui.waitKey(0)
    }

}