OpenCV结构分析与形状描述符(22)计算图像中某个轮廓或区域的矩函数moments()的使用

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

计算一个多边形或光栅化形状直到三阶的所有矩。

该函数计算一个向量形状或光栅化形状直到三阶的矩。结果返回在 cv::Moments 结构中。

函数原型

cpp 复制代码
Moments cv::moments
(
	InputArray 	array,
	bool 	binaryImage = false 
)		

参数

  • 参数array 一个单通道的 8 位或浮点 2D 数组的光栅图像,或一个 1×N 或 N×1 的 2D 点(Point 或 Point2f)数组。
  • 参数binaryImage 如果为真,则所有非零图像像素被视为 1。该参数仅用于图像。

代码示例

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

int main()
{
    // 创建一个空白的图像
    cv::Mat image = cv::Mat::zeros( 300, 300, CV_8UC1 );  // 单通道8位图像

    // 在图像中间画一个白色的圆形作为轮廓
    cv::circle( image, cv::Point( 150, 150 ), 50, cv::Scalar( 255 ), -1 );

    // 查找图像中的轮廓
    std::vector< std::vector< cv::Point > > contours;
    cv::findContours( image, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE );

    // 计算轮廓的矩
    cv::Moments moments = cv::moments( contours[ 0 ] );

    // 从矩中计算质心
    double cx = moments.m10 / moments.m00;
    double cy = moments.m01 / moments.m00;

    // 计算面积
    double area = moments.m00;

    // 在图像上标记质心
    cv::circle( image, cv::Point( static_cast< int >( cx ), static_cast< int >( cy ) ), 5, cv::Scalar( 128 ), -1 );

   

    // 输出质心坐标和面积
    std::cout << "Centroid at (" << cx << ", " << cy << ")" << std::endl;
    std::cout << "Area: " << area << std::endl;
     // 显示图像
    cv::imshow( "Contour with Centroid", image );
    cv::waitKey( 0 );
    
    return 0;
}

运行结果

终端:

bash 复制代码
Centroid at (150, 150)
Area: 7704

图像:

相关推荐
机器之心16 分钟前
刚刚,苹果基础模型团队负责人庞若鸣被Meta挖走!加入超级智能团队、年薪千万美元
人工智能
G.E.N.1 小时前
开源!RAG竞技场(2):标准RAG算法
大数据·人工智能·深度学习·神经网络·算法·llm·rag
西西弗Sisyphus1 小时前
如果让计算机理解人类语言- Word2Vec(Word to Vector,2013)
人工智能·word·word2vec
前端双越老师1 小时前
30 行代码 langChain.js 开发你的第一个 Agent
人工智能·node.js·agent
东坡肘子2 小时前
高温与奇怪的天象 | 肘子的 Swift 周报 #092
人工智能·swiftui·swift
KaneLogger2 小时前
视频转文字,别再反复拖进度条了
前端·javascript·人工智能
度假的小鱼2 小时前
从 “人工编码“ 到 “AI 协同“:大模型如何重塑软件开发的效率与范式
人工智能
zm-v-159304339863 小时前
ArcGIS 水文分析升级:基于深度学习的流域洪水演进过程模拟
人工智能·深度学习·arcgis
拓端研究室4 小时前
视频讲解|核密度估计朴素贝叶斯:业务数据分类—从理论到实践
人工智能·分类·数据挖掘