目录
[1. 图像的基本操作](#1. 图像的基本操作)
[1.1 读取、显示和保存图像](#1.1 读取、显示和保存图像)
[1.2 图像的基本属性](#1.2 图像的基本属性)
[1.3 图像的创建与初始化](#1.3 图像的创建与初始化)
[1.4 图像的像素操作](#1.4 图像的像素操作)
[2. 图像的几何变换](#2. 图像的几何变换)
[2.1 缩放、旋转、平移、翻转](#2.1 缩放、旋转、平移、翻转)
[2.2 仿射变换与透视变换](#2.2 仿射变换与透视变换)
[3.1 RGB、灰度、HSV等颜色空间](#3.1 RGB、灰度、HSV等颜色空间)
[3.2 颜色空间转换](#3.2 颜色空间转换)
[3.3 通道分离与合并](#3.3 通道分离与合并)
[4. 实例](#4. 实例)
[4.1 图像的读取与显示](#4.1 图像的读取与显示)
[4.2 图像的保存](#4.2 图像的保存)
[4.3 获取图像属性](#4.3 获取图像属性)
[4.4 访问和修改像素值](#4.4 访问和修改像素值)
[4.5 图像颜色空间转换](#4.5 图像颜色空间转换)
[4.6 图像的裁剪与缩放](#4.6 图像的裁剪与缩放)
[4.7 图像的复制与克隆](#4.7 图像的复制与克隆)
[4.8 图像的几何变换](#4.8 图像的几何变换)
[1. 图像滤波](#1. 图像滤波)
[1.1 均值滤波](#1.1 均值滤波)
[1.2 高斯滤波](#1.2 高斯滤波)
[1.3 中值滤波](#1.3 中值滤波)
[1.4 自定义滤波器](#1.4 自定义滤波器)
[2. 图像边缘检测](#2. 图像边缘检测)
[2.1 Sobel算子](#2.1 Sobel算子)
[2.2 Canny 边缘检测](#2.2 Canny 边缘检测)
[3. 图像形态学操作](#3. 图像形态学操作)
[3.1 腐蚀](#3.1 腐蚀)
[3.2 膨胀](#3.2 膨胀)
[3.3 开运算](#3.3 开运算)
[3.4 闭运算](#3.4 闭运算)
[4. 图像阈值化](#4. 图像阈值化)
[4.1 二值化](#4.1 二值化)
[4.2 自适应阈值](#4.2 自适应阈值)
[4.3 Otsu阈值法](#4.3 Otsu阈值法)
[5. 图像直方图](#5. 图像直方图)
[5.1 计算直方图](#5.1 计算直方图)
[5.2 直方图均衡化](#5.2 直方图均衡化)
[5.3 直方图对比](#5.3 直方图对比)
[6. 实例](#6. 实例)
[6.1 图像滤波](#6.1 图像滤波)
[6.2 边缘检测](#6.2 边缘检测)
[6.3 图像阈值化](#6.3 图像阈值化)
[6.4 形态学操作](#6.4 形态学操作)
[6.5 轮廓检测](#6.5 轮廓检测)
一、基础操作
1. 图像的基本操作
1.1 读取、显示和保存图像
在 OpenCV 中,图像的基本操作包括读取、显示和保存图像。这些操作是图像处理的基础。
读取图像 :使用imread
函数读取图像。该函数的第一个参数是图像文件的路径,第二个参数是读取图像的方式(如彩色图像、灰度图像等)。
cpp
cv::Mat image = cv::imread("image.jpg", cv::IMREAD_COLOR);
显示图像 :使用imshow
函数显示图像。该函数的第一个参数是窗口的名称,第二个参数是要显示的图像。
cpp
cv::imshow("Display Window", image);
cv::waitKey(0); // 等待按键按下
保存图像 :使用imwrite
函数保存图像。该函数的第一个参数是保存文件的路径,第二个参数是要保存的图像。
cpp
cv::imwrite("output.jpg", image);
1.2 图像的基本属性
图像的基本属性包括尺寸、通道数和像素值。
尺寸 :图像的尺寸可以通过rows
和cols
属性获取。
cpp
int height = image.rows;
int width = image.cols;
通道数 :图像的通道数可以通过channels()
方法获取。
cpp
int channels = image.channels();
像素值 :可以通过at
方法访问图像的像素值。
cpp
cv::Vec3b pixel = image.at<cv::Vec3b>(y, x); // 访问(x, y)处的像素值
1.3 图像的创建与初始化
可以通过Mat
类创建和初始化图像。
创建图像:可以创建一个指定大小和类型的图像。
cpp
cv::Mat newImage(480, 640, CV_8UC3, cv::Scalar(0, 0, 255)); // 创建一个640x480的红色图像
初始化图像 :可以使用setTo
方法初始化图像。
cpp
image.setTo(cv::Scalar(255, 255, 255)); // 将图像初始化为白色
1.4 图像的像素操作
图像的像素操作包括遍历像素和修改像素值。
遍历像素:可以使用双重循环遍历图像的每个像素。
cpp
for (int y = 0; y < image.rows; y++) {
for (int x = 0; x < image.cols; x++) {
cv::Vec3b& pixel = image.at<cv::Vec3b>(y, x);
// 对像素进行操作
}
}
修改像素值:可以直接修改像素的值。
cpp
pixel[0] = 255; // 将蓝色通道设置为255
pixel[1] = 0; // 将绿色通道设置为0
pixel[2] = 0; // 将红色通道设置为0
2. 图像的几何变换
2.1 缩放、旋转、平移、翻转
图像的几何变换包括缩放、旋转、平移和翻转。
缩放 :使用resize
函数缩放图像。
cpp
cv::Mat resizedImage;
cv::resize(image, resizedImage, cv::Size(newWidth, newHeight));
旋转 :使用getRotationMatrix2D
和warpAffine
函数旋转图像。
cpp
cv::Point2f center(image.cols / 2.0, image.rows / 2.0);
cv::Mat rotationMatrix = cv::getRotationMatrix2D(center, angle, 1.0);
cv::Mat rotatedImage;
cv::warpAffine(image, rotatedImage, rotationMatrix, image.size());
平移 :使用warpAffine
函数平移图像。
cpp
cv::Mat translationMatrix = (cv::Mat_<double>(2, 3) << 1, 0, tx, 0, 1, ty);
cv::Mat translatedImage;
cv::warpAffine(image, translatedImage, translationMatrix, image.size());
翻转 :使用flip
函数翻转图像。
cpp
cv::Mat flippedImage;
cv::flip(image, flippedImage, 1); // 1表示水平翻转,0表示垂直翻转
2.2 仿射变换与透视变换
仿射变换 :仿射变换是线性变换加上平移,可以使用warpAffine
函数实现。
cpp
cv::Mat affineMatrix = cv::getAffineTransform(srcPoints, dstPoints);
cv::Mat affineImage;
cv::warpAffine(image, affineImage, affineMatrix, image.size());
透视变换 :透视变换是更一般的变换,可以使用warpPerspective
函数实现。
cpp
cv::Mat perspectiveMatrix = cv::getPerspectiveTransform(srcPoints, dstPoints);
cv::Mat perspectiveImage;
cv::warpPerspective(image, perspectiveImage, perspectiveMatrix, image.size());
3.图像的颜色空间转换
3.1 RGB、灰度、HSV等颜色空间
图像的颜色空间包括RGB、灰度和HSV等。
- RGB:RGB是最常见的颜色空间,表示红、绿、蓝三个通道。
- 灰度:灰度图像只有一个通道,表示亮度。
- HSV:HSV颜色空间表示色调(Hue)、饱和度(Saturation)和亮度(Value)。
3.2 颜色空间转换
使用 cvtColor
函数进行颜色空间转换。
RGB 转灰度:
cpp
cv::Mat grayImage;
cv::cvtColor(image, grayImage, cv::COLOR_BGR2GRAY);
RGB转HSV:
cpp
cv::Mat hsvImage;
cv::cvtColor(image, hsvImage, cv::COLOR_BGR2HSV);
3.3 通道分离与合并
通道分离 :使用split
函数将图像的通道分离。
cpp
std::vector<cv::Mat> channels;
cv::split(image, channels);
通道合并 :使用merge
函数将多个通道合并为一个图像。
cpp
cv::Mat mergedImage;
cv::merge(channels, mergedImage);
4. 实例
C++ OpenCV 的基础操作包括图像的读取、显示、保存、像素操作、图像属性获取等。以下是一些常见的 OpenCV 基础操作及其代码示例:
4.1 图像的读取与显示
cpp
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main() {
// 读取图像
Mat image = imread("test.jpg");
// 检查图像是否成功加载
if (image.empty()) {
cout << "错误:无法加载图像,请检查路径是否正确。" << endl;
return -1;
}
// 显示图像
namedWindow("Display Image", WINDOW_AUTOSIZE);
imshow("Display Image", image);
// 等待按键
waitKey(0);
// 关闭窗口
destroyAllWindows();
return 0;
}
4.2 图像的保存
cpp
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main() {
// 读取图像
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误:无法加载图像,请检查路径是否正确。" << endl;
return -1;
}
// 保存图像
bool isSaved = imwrite("saved_image.jpg", image);
if (isSaved) {
cout << "图像保存成功!" << endl;
} else {
cout << "图像保存失败!" << endl;
}
return 0;
}
4.3 获取图像属性
cpp
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main() {
// 读取图像
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误:无法加载图像,请检查路径是否正确。" << endl;
return -1;
}
// 获取图像属性
int width = image.cols; // 图像宽度
int height = image.rows; // 图像高度
int channels = image.channels(); // 图像通道数
cout << "图像宽度: " << width << endl;
cout << "图像高度: " << height << endl;
cout << "图像通道数: " << channels << endl;
return 0;
}
4.4 访问和修改像素值
cpp
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main() {
// 读取图像
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误:无法加载图像,请检查路径是否正确。" << endl;
return -1;
}
// 访问像素值(BGR格式)
Vec3b pixel = image.at<Vec3b>(100, 100); // 获取(100, 100)位置的像素值
cout << "B: " << (int)pixel[0] << ", G: " << (int)pixel[1] << ", R: " << (int)pixel[2] << endl;
// 修改像素值
image.at<Vec3b>(100, 100) = Vec3b(255, 0, 0); // 将(100, 100)位置的像素设置为蓝色
// 显示修改后的图像
imshow("Modified Image", image);
waitKey(0);
destroyAllWindows();
return 0;
}
4.5 图像颜色空间转换
cpp
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main() {
// 读取图像
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误:无法加载图像,请检查路径是否正确。" << endl;
return -1;
}
// 转换为灰度图像
Mat grayImage;
cvtColor(image, grayImage, COLOR_BGR2GRAY);
// 显示灰度图像
imshow("Gray Image", grayImage);
waitKey(0);
destroyAllWindows();
return 0;
}
4.6 图像的裁剪与缩放
cpp
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main() {
// 读取图像
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误:无法加载图像,请检查路径是否正确。" << endl;
return -1;
}
// 裁剪图像
Rect roi(100, 100, 200, 200); // (x, y, width, height)
Mat croppedImage = image(roi);
// 缩放图像
Mat resizedImage;
resize(image, resizedImage, Size(400, 400)); // 缩放到400x400
// 显示裁剪和缩放后的图像
imshow("Cropped Image", croppedImage);
imshow("Resized Image", resizedImage);
waitKey(0);
destroyAllWindows();
return 0;
}
4.7 图像的复制与克隆
cpp
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main() {
// 读取图像
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误:无法加载图像,请检查路径是否正确。" << endl;
return -1;
}
// 复制图像
Mat copiedImage = image.clone();
// 修改复制的图像
circle(copiedImage, Point(100, 100), 50, Scalar(0, 255, 0), 2); // 在复制的图像上画一个圆
// 显示原始图像和修改后的图像
imshow("Original Image", image);
imshow("Copied Image", copiedImage);
waitKey(0);
destroyAllWindows();
return 0;
}
4.8 图像的几何变换
cpp
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main() {
// 读取图像
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误:无法加载图像,请检查路径是否正确。" << endl;
return -1;
}
// 旋转图像
Mat rotatedImage;
Point2f center(image.cols / 2, image.rows / 2); // 旋转中心
double angle = 45; // 旋转角度
double scale = 1.0; // 缩放比例
Mat rotationMatrix = getRotationMatrix2D(center, angle, scale);
warpAffine(image, rotatedImage, rotationMatrix, image.size());
// 显示旋转后的图像
imshow("Rotated Image", rotatedImage);
waitKey(0);
destroyAllWindows();
return 0;
}
二、图像处理
1. 图像滤波
图像滤波是图像处理中的一种基本操作,主要用于去除图像中的噪声或增强图像的某些特征。常见的滤波方法包括均值滤波、高斯滤波、中值滤波以及自定义滤波器。
1.1 均值滤波
均值滤波是一种简单的线性滤波方法,它将图像中每个像素的值替换为其邻域内所有像素值的平均值。这种方法可以有效去除噪声,但也会使图像变得模糊。
cpp
cv::Mat src = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE);
cv::Mat dst;
cv::blur(src, dst, cv::Size(3, 3)); // 3x3的均值滤波
1.2 高斯滤波
高斯滤波是一种非线性滤波方法,它使用高斯函数来计算邻域内像素的权重,从而对图像进行平滑处理。高斯滤波在去除噪声的同时,能够更好地保留图像的边缘信息。
cpp
cv::GaussianBlur(src, dst, cv::Size(5, 5), 0); // 5x5的高斯滤波
1.3 中值滤波
中值滤波是一种非线性滤波方法,它将图像中每个像素的值替换为其邻域内所有像素值的中值。这种方法在去除椒盐噪声时效果非常好。
cpp
cv::medianBlur(src, dst, 5); // 5x5的中值滤波
1.4 自定义滤波器
OpenCV允许用户自定义滤波器核,通过cv::filter2D
函数可以实现自定义滤波操作。
cpp
cv::Mat kernel = (cv::Mat_<float>(3, 3) << 1, 0, -1, 0, 0, 0, -1, 0, 1);
cv::filter2D(src, dst, -1, kernel);
2. 图像边缘检测
边缘检测是图像处理中的一个重要任务,用于识别图像中物体的边界。常用的边缘检测方法包括Sobel算子和Canny边缘检测。
2.1 Sobel算子
Sobel算子是一种基于梯度的边缘检测方法,它可以检测图像中的水平和垂直边缘。
cpp
cv::Mat grad_x, grad_y;
cv::Sobel(src, grad_x, CV_16S, 1, 0); // 水平方向
cv::Sobel(src, grad_y, CV_16S, 0, 1); // 垂直方向
cv::convertScaleAbs(grad_x, grad_x);
cv::convertScaleAbs(grad_y, grad_y);
cv::addWeighted(grad_x, 0.5, grad_y, 0.5, 0, dst); // 合并结果
2.2 Canny 边缘检测
Canny 边缘检测是一种多阶段的边缘检测算法,它能够有效地检测出图像中的边缘,并且对噪声具有较强的鲁棒性。
cpp
cv::Canny(src, dst, 100, 200); // 阈值1=100,阈值2=200
3. 图像形态学操作
形态学操作是基于图像形状的一系列操作,常用于图像的前景和背景分离、噪声去除等任务。常见的形态学操作包括腐蚀、膨胀、开运算、闭运算和形态学梯度。
3.1 腐蚀
腐蚀操作可以消除图像中的小物体或细节,使得前景物体变小。
cpp
cv::Mat kernel = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3));
cv::erode(src, dst, kernel);
3.2 膨胀
膨胀操作可以扩大图像中的前景物体,常用于填补前景物体中的空洞。
cpp
cv::dilate(src, dst, kernel);
3.3 开运算
开运算是先腐蚀后膨胀的操作,常用于去除小物体或噪声。
cpp
cv::morphologyEx(src, dst, cv::MORPH_OPEN, kernel);
3.4 闭运算
闭运算是先膨胀后腐蚀的操作,常用于填补前景物体中的小孔。
cpp
cv::morphologyEx(src, dst, cv::MORPH_CLOSE, kernel);
形态学梯度
形态学梯度是膨胀和腐蚀的差值,可以用于提取物体的边缘。
cpp
cv::morphologyEx(src, dst, cv::MORPH_GRADIENT, kernel);
4. 图像阈值化
图像阈值化是将图像转换为二值图像的过程,常用于图像分割。常见的阈值化方法包括二值化、自适应阈值和Otsu阈值法。
4.1 二值化
二值化是将图像中的像素值根据设定的阈值分为两类,通常用于简单的图像分割。
cpp
cv::threshold(src, dst, 127, 255, cv::THRESH_BINARY);
4.2 自适应阈值
自适应阈值根据图像的局部区域动态计算阈值,适用于光照不均匀的图像。
cpp
cv::adaptiveThreshold(src, dst, 255, cv::ADAPTIVE_THRESH_MEAN_C, cv::THRESH_BINARY, 11, 2);
4.3 Otsu阈值法
Otsu阈值法是一种自动确定阈值的方法,适用于双峰直方图的图像。
cpp
cv::threshold(src, dst, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU);
5. 图像直方图
直方图是图像处理中用于分析图像亮度分布的工具。常见的直方图操作包括计算直方图、直方图均衡化和直方图对比。
5.1 计算直方图
直方图可以反映图像中像素值的分布情况。
cpp
cv::Mat hist;
int histSize = 256;
float range[] = {0, 256};
const float* histRange = {range};
cv::calcHist(&src, 1, 0, cv::Mat(), hist, 1, &histSize, &histRange);
5.2 直方图均衡化
直方图均衡化可以增强图像的对比度,使得图像的亮度分布更加均匀。
cpp
cv::equalizeHist(src, dst);
5.3 直方图对比
直方图对比可以用于比较两幅图像的相似性。
cpp
double compare = cv::compareHist(hist1, hist2, cv::HISTCMP_CORREL);
6. 实例
OpenCV 中常见的图像处理操作,包括滤波、边缘检测、阈值化、形态学操作和轮廓检测。通过这些技术,你可以实现更复杂的图像处理任务。以下是 C++ OpenCV 中常见的图像处理操作及其代码示例:
6.1 图像滤波
图像滤波用于去除噪声或增强图像特征。
均值滤波
cpp
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main() {
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误:无法加载图像,请检查路径是否正确。" << endl;
return -1;
}
// 均值滤波
Mat blurredImage;
blur(image, blurredImage, Size(5, 5)); // 5x5 的核
imshow("Original Image", image);
imshow("Blurred Image", blurredImage);
waitKey(0);
destroyAllWindows();
return 0;
}
高斯滤波
cpp
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main() {
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误:无法加载图像,请检查路径是否正确。" << endl;
return -1;
}
// 高斯滤波
Mat gaussianBlurredImage;
GaussianBlur(image, gaussianBlurredImage, Size(5, 5), 0); // 5x5 的核
imshow("Original Image", image);
imshow("Gaussian Blurred Image", gaussianBlurredImage);
waitKey(0);
destroyAllWindows();
return 0;
}
中值滤波
cpp
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main() {
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误:无法加载图像,请检查路径是否正确。" << endl;
return -1;
}
// 中值滤波
Mat medianBlurredImage;
medianBlur(image, medianBlurredImage, 5); // 核大小为 5
imshow("Original Image", image);
imshow("Median Blurred Image", medianBlurredImage);
waitKey(0);
destroyAllWindows();
return 0;
}
6.2 边缘检测
边缘检测用于提取图像中的边缘信息。
Canny 边缘检测
cpp
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main() {
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误:无法加载图像,请检查路径是否正确。" << endl;
return -1;
}
// 转换为灰度图像
Mat grayImage;
cvtColor(image, grayImage, COLOR_BGR2GRAY);
// Canny 边缘检测
Mat edges;
Canny(grayImage, edges, 100, 200); // 阈值1和阈值2
imshow("Original Image", image);
imshow("Canny Edges", edges);
waitKey(0);
destroyAllWindows();
return 0;
}
6.3 图像阈值化
阈值化用于将图像转换为二值图像。
简单阈值化
cpp
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main() {
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误:无法加载图像,请检查路径是否正确。" << endl;
return -1;
}
// 转换为灰度图像
Mat grayImage;
cvtColor(image, grayImage, COLOR_BGR2GRAY);
// 简单阈值化
Mat binaryImage;
threshold(grayImage, binaryImage, 127, 255, THRESH_BINARY);
imshow("Original Image", image);
imshow("Binary Image", binaryImage);
waitKey(0);
destroyAllWindows();
return 0;
}
自适应阈值化
cpp
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main() {
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误:无法加载图像,请检查路径是否正确。" << endl;
return -1;
}
// 转换为灰度图像
Mat grayImage;
cvtColor(image, grayImage, COLOR_BGR2GRAY);
// 自适应阈值化
Mat adaptiveBinaryImage;
adaptiveThreshold(grayImage, adaptiveBinaryImage, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 11, 2);
imshow("Original Image", image);
imshow("Adaptive Binary Image", adaptiveBinaryImage);
waitKey(0);
destroyAllWindows();
return 0;
}
6.4 形态学操作
形态学操作用于处理图像的形状和结构。
腐蚀与膨胀
cpp
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main() {
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误:无法加载图像,请检查路径是否正确。" << endl;
return -1;
}
// 转换为灰度图像
Mat grayImage;
cvtColor(image, grayImage, COLOR_BGR2GRAY);
// 二值化
Mat binaryImage;
threshold(grayImage, binaryImage, 127, 255, THRESH_BINARY);
// 腐蚀操作
Mat erodedImage;
Mat kernel = getStructuringElement(MORPH_RECT, Size(5, 5));
erode(binaryImage, erodedImage, kernel);
// 膨胀操作
Mat dilatedImage;
dilate(binaryImage, dilatedImage, kernel);
imshow("Original Image", image);
imshow("Eroded Image", erodedImage);
imshow("Dilated Image", dilatedImage);
waitKey(0);
destroyAllWindows();
return 0;
}
6.5 轮廓检测
轮廓检测用于提取图像中的对象轮廓。
cpp
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main() {
Mat image = imread("test.jpg");
if (image.empty()) {
cout << "错误:无法加载图像,请检查路径是否正确。" << endl;
return -1;
}
// 转换为灰度图像
Mat grayImage;
cvtColor(image, grayImage, COLOR_BGR2GRAY);
// 二值化
Mat binaryImage;
threshold(grayImage, binaryImage, 127, 255, THRESH_BINARY);
// 查找轮廓
vector<vector<Point>> contours;
vector<Vec4i> hierarchy;
findContours(binaryImage, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);
// 绘制轮廓
Mat contourImage = Mat::zeros(image.size(), CV_8UC3);
for (size_t i = 0; i < contours.size(); i++) {
drawContours(contourImage, contours, i, Scalar(0, 255, 0), 2);
}
imshow("Original Image", image);
imshow("Contours", contourImage);
waitKey(0);
destroyAllWindows();
return 0;
}