【QT opencv】手动去噪--网格化获取区域坐标

扶尔魔ocy2025-11-24 17:09

前言

上一篇【QT opencv】使用创建副本.clone()的场景展示了如何给图片网格化。本篇讲解的是在固定背景环境下（比如高拍仪的黑色底板），查找轮廓之后，把轮廓和网格全部显示出来，通过指定区域把固定背景中的噪点轮廓去除的方法。

效果图

手动区域去噪之前

手动区域去噪之后

由上图可看到受左侧光线的影响，左侧第一列和底部一行有明显的边缘轮廓，另外第五行第四列、第五列有一个"┏━"，去掉之后的效果如下

注：不去掉正中间绿色的轮廓的原因是这个轮廓占了7格区域，容易导致错误

功能讲解

1、获取边缘4条边缘行/列区域

上一篇【QT opencv】使用创建副本.clone()的场景 的划网格函数是void类型，因为4条边缘行/列区域都是需要去噪的区域，所以以下改造下划网格的函数，并返回改造的区域，代码如下：

复制代码 
// 绘制网格函数并返回排除区域 - 添加绘制开关
vector<cv::Rect> drawGrid(Mat& image, int gridSize = 36, bool drawGridLines = true) {
    int rows = image.rows;
    int cols = image.cols;

    // 计算网格步长
    int gridWidth = cols / gridSize;
    int gridHeight = rows / gridSize;

    // 定义排除区域向量
    vector<cv::Rect> exclusionAreas;

    // 添加四个边缘区域
    exclusionAreas.push_back(cv::Rect(0, 0, cols, gridHeight)); // 第一行区域
    exclusionAreas.push_back(cv::Rect(0, (gridSize-1)*gridHeight, cols,
                                     rows - (gridSize-1)*gridHeight)); // 最后一行区域
    exclusionAreas.push_back(cv::Rect(0, 0, gridWidth, rows)); // 第一列区域
    exclusionAreas.push_back(cv::Rect((gridSize-1)*gridWidth, 0,
                                     cols - (gridSize-1)*gridWidth, rows)); // 最后一列区域

    // 只在需要时绘制网格线
    if (drawGridLines) {
        // 使用较粗的线条，以便在压缩后仍可见
        int lineThickness = 3;
        // 绘制网格线
        for (int i = 0; i <= gridSize; i++) {
            // 垂直线
            int x = i * gridWidth;
            line(image, Point(x, 0), Point(x, rows), Scalar(255, 255, 255), lineThickness);

            // 水平线
            int y = i * gridHeight;
            line(image, Point(0, y), Point(cols, y), Scalar(255, 255, 255), lineThickness);
        }
    }

    // 打印关键网格坐标（基于原始图像尺寸）
    for (size_t i = 0; i < exclusionAreas.size(); i++) {
        const auto& area = exclusionAreas[i];
        string areaName;
        switch (i) {
            case 0: areaName = "topRow"; break;
            case 1: areaName = "bottomRow"; break;
            case 2: areaName = "leftCol"; break;
            case 3: areaName = "rightCol"; break;
        }
        cout << areaName << " area: leftuppos(" << area.x << "," << area.y
             << "), rightdownpos(" << area.x + area.width << ","
             << area.y + area.height << ")" << endl;
    }

    return exclusionAreas;
}

此时的检测函数如下：

复制代码 
void detectContour(cv::Mat& inputImage) {
    cv::Mat getImagecontours = inputImage.clone();
    //1.在原始图像上绘制gridsizexgridsize网格并获取排除区域
    int gridsize = 20;
    // 控制是否绘制网格线--用于调试
    bool drawGridLines = true;
    vector<cv::Rect> exclusionAreas;
    //drawGrid的行和列的索引
    {//四条边界
        exclusionAreas=drawGrid(inputImage, gridsize, drawGridLines);
    }
}

2、获取第五行第四列、第五列区域

增加第五行第四列、第五列去掉"┏━"，需要增加一个通过行/列位置提取区域的函数，代码如下：

复制代码 
// 获取指定网格区域的函数（使用从1开始的索引）
cv::Rect getGridCell(const cv::Mat& image, int gridSize, int row, int col) {
    int rows = image.rows;
    int cols = image.cols;
    if(row<1)row=1;
    if(col<1)col=1;
    // 将1-based索引转换为0-based索引
    int rowIndex = row - 1;
    int colIndex = col - 1;

    // 确保转换后的索引在有效范围内
    rowIndex = max(0, min(rowIndex, gridSize - 1));
    colIndex = max(0, min(colIndex, gridSize - 1));

    // 计算网格步长
    int gridWidth = cols / gridSize;
    int gridHeight = rows / gridSize;

    // 计算网格位置和尺寸
    int x = colIndex * gridWidth;
    int y = rowIndex * gridHeight;
    int width = gridWidth;
    int height = gridHeight;

    // 处理边界情况，确保不超出图像范围
    if (colIndex == gridSize - 1) width = cols - x;
    if (rowIndex == gridSize - 1) height = rows - y;

//    cout << "Grid cell (row=" << row << ", col=" << col << "): "
//         << "(" << x << "," << y << "),(" << x+width << "," << y+height << ")" << endl;

    return cv::Rect(x, y, width, height);
}

void detectContour(cv::Mat& inputImage) {
    cv::Mat getImagecontours = inputImage.clone();
    //1.在原始图像上绘制gridsizexgridsize网格并获取排除区域
    int gridsize = 20;
    // 控制是否绘制网格线--用于调试
    bool drawGridLines = true;
    vector<cv::Rect> exclusionAreas;
    //drawGrid的行和列的索引
    {//四条边界
        exclusionAreas=drawGrid(inputImage, gridsize, drawGridLines);
    }
    {//第5行的第4和第5列网格需要排除
        cv::Rect pos;
        pos=getGridCell(inputImage,gridsize,5,4);
        exclusionAreas.push_back(pos);
        pos=getGridCell(inputImage,gridsize,5,5);
        exclusionAreas.push_back(pos);
    }
}

3、获取图片的所有轮廓

这里做了简要的封装，代码如下

复制代码 
void getallContours(const cv::Mat& inputImage, vector<vector<cv::Point>>& contours) {
    cv::Mat gray, blurred, edges;
    cv::cvtColor(inputImage, gray, cv::COLOR_BGR2GRAY);
    GaussianBlur(gray, blurred, Size(9, 9), 3.0);
    Canny(blurred, edges, 50, 150);
    // 增强形态学操作，更好地连接边缘
    cv::Mat kernel = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(7, 7));
    cv::morphologyEx(edges, edges, cv::MORPH_CLOSE, kernel);
    cv::dilate(edges, edges, kernel); // 添加膨胀操作
    // 查找轮廓
    cv::findContours(edges, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
    cout << "find " << contours.size() << " Contours" << endl;
}

void detectContour(cv::Mat& inputImage) {
    cv::Mat getImagecontours = inputImage.clone();
    //1.在原始图像上绘制gridsizexgridsize网格并获取排除区域
    int gridsize = 20;
    // 控制是否绘制网格线--用于调试
    bool drawGridLines = true;
    vector<cv::Rect> exclusionAreas;
    //drawGrid的行和列的索引
    {//四条边界
        exclusionAreas=drawGrid(inputImage, gridsize, drawGridLines);
    }
    {//2.第5行的第4和第5列网格需要排除
        cv::Rect pos;
        pos=getGridCell(inputImage,gridsize,5,4);
        exclusionAreas.push_back(pos);
        pos=getGridCell(inputImage,gridsize,5,5);
        exclusionAreas.push_back(pos);
    }

    //3. 查找所有轮廓并用绿色绘制
    vector<vector<cv::Point>> contours;
    getallContours(getImagecontours, contours);
}

4、过滤待排除轮廓

通过遍历contours，提取坐标点，判断在排除区域中的占比是否超过指定的阈值(0.75)，只返回不超过阈值的轮廓，代码如下：

复制代码 
//检查轮廓是否在排除区域内
bool isContourInExclusionArea(const vector<Point>& contour,
                             const vector<cv::Rect>& exclusionAreas,
                             double threshold = 0.75) {
    int pointsInArea = 0;
    int totalPoints = contour.size();

    // 手动检查每个点是否在排除区域内
    for (const auto& point : contour) {
        bool inArea = false;

        // 手动检查点是否在任何一个排除区域内
        for (size_t i = 0; i < exclusionAreas.size(); i++) {
            const auto& area = exclusionAreas[i];

            // 手动实现点是否在矩形内的检查
            if (point.x >= area.x && point.x < area.x + area.width &&
                point.y >= area.y && point.y < area.y + area.height) {
                pointsInArea++;
                inArea = true;
                break;
            }
        }

    }

    double ratio = (double)pointsInArea / totalPoints;

    // 如果超过阈值比例的点在排除区域内，则返回true
    return ratio > threshold;
}


int filterContours(const vector<vector<cv::Point>>& contours,
                   vector<vector<cv::Point>>& filteredContours,
                   const vector<cv::Rect>& exclusionAreas) {
    int excludedCount = 0;

    for (const auto& contour : contours) {
        if (isContourInExclusionArea(contour, exclusionAreas, 0.75)) {
            excludedCount++;
            continue; // 跳过这个轮廓
        }
        filteredContours.push_back(contour);
    }

    cout << "filter " << excludedCount << " edge Contours" << endl;
    return excludedCount;
}

void detectContour(cv::Mat& inputImage) {
    cv::Mat getImagecontours = inputImage.clone();
    //1.在原始图像上绘制gridsizexgridsize网格并获取排除区域
    int gridsize = 20;
    // 控制是否绘制网格线--用于调试
    bool drawGridLines = true;
    vector<cv::Rect> exclusionAreas;
    //drawGrid的行和列的索引
    {//四条边界
        exclusionAreas=drawGrid(inputImage, gridsize, drawGridLines);
    }
    {//2.第5行的第4和第5列网格需要排除
        cv::Rect pos;
        pos=getGridCell(inputImage,gridsize,5,4);
        exclusionAreas.push_back(pos);
        pos=getGridCell(inputImage,gridsize,5,5);
        exclusionAreas.push_back(pos);
    }

    //3. 查找所有轮廓并用绿色绘制
    vector<vector<cv::Point>> contours;
    getallContours(getImagecontours, contours);
    //filterContours(contours, contours, exclusionAreas);//未过滤之前的所有轮廓

    //4.过滤待排除轮廓
    vector<vector<cv::Point>> filteredContours;
    filterContours(contours, filteredContours, exclusionAreas);//过滤之后的轮廓
    cout << "filteredContours " << filteredContours.size() << " Contours" << endl;
}

全部代码

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

using namespace cv;
using namespace std;

// 显示函数 - 保持20%压缩比例
void showimg(const string& name, const Mat& curImage) {
    Mat resizedImage;
    double scale = 0.2; // 固定压缩到20%
    resize(curImage, resizedImage, Size(), scale, scale);
    imshow(name, resizedImage);
}

// 获取指定网格区域的函数（使用从1开始的索引）
cv::Rect getGridCell(const cv::Mat& image, int gridSize, int row, int col) {
    int rows = image.rows;
    int cols = image.cols;
    if(row<1)row=1;
    if(col<1)col=1;
    // 将1-based索引转换为0-based索引
    int rowIndex = row - 1;
    int colIndex = col - 1;

    // 确保转换后的索引在有效范围内
    rowIndex = max(0, min(rowIndex, gridSize - 1));
    colIndex = max(0, min(colIndex, gridSize - 1));

    // 计算网格步长
    int gridWidth = cols / gridSize;
    int gridHeight = rows / gridSize;

    // 计算网格位置和尺寸
    int x = colIndex * gridWidth;
    int y = rowIndex * gridHeight;
    int width = gridWidth;
    int height = gridHeight;

    // 处理边界情况，确保不超出图像范围
    if (colIndex == gridSize - 1) width = cols - x;
    if (rowIndex == gridSize - 1) height = rows - y;

//    cout << "Grid cell (row=" << row << ", col=" << col << "): "
//         << "(" << x << "," << y << "),(" << x+width << "," << y+height << ")" << endl;

    return cv::Rect(x, y, width, height);
}

// 绘制网格函数并返回排除区域 - 添加绘制开关
vector<cv::Rect> drawGrid(Mat& image, int gridSize = 36, bool drawGridLines = true) {
    int rows = image.rows;
    int cols = image.cols;

    // 计算网格步长
    int gridWidth = cols / gridSize;
    int gridHeight = rows / gridSize;

    // 定义排除区域向量
    vector<cv::Rect> exclusionAreas;

    // 添加四个边缘区域
    exclusionAreas.push_back(cv::Rect(0, 0, cols, gridHeight)); // 第一行区域
    exclusionAreas.push_back(cv::Rect(0, (gridSize-1)*gridHeight, cols,
                                     rows - (gridSize-1)*gridHeight)); // 最后一行区域
    exclusionAreas.push_back(cv::Rect(0, 0, gridWidth, rows)); // 第一列区域
    exclusionAreas.push_back(cv::Rect((gridSize-1)*gridWidth, 0,
                                     cols - (gridSize-1)*gridWidth, rows)); // 最后一列区域

    // 只在需要时绘制网格线
    if (drawGridLines) {
        // 使用较粗的线条，以便在压缩后仍可见
        int lineThickness = 3;
        // 绘制网格线
        for (int i = 0; i <= gridSize; i++) {
            // 垂直线
            int x = i * gridWidth;
            line(image, Point(x, 0), Point(x, rows), Scalar(255, 255, 255), lineThickness);

            // 水平线
            int y = i * gridHeight;
            line(image, Point(0, y), Point(cols, y), Scalar(255, 255, 255), lineThickness);
        }
    }

    // 打印关键网格坐标（基于原始图像尺寸）
    for (size_t i = 0; i < exclusionAreas.size(); i++) {
        const auto& area = exclusionAreas[i];
        string areaName;
        switch (i) {
            case 0: areaName = "topRow"; break;
            case 1: areaName = "bottomRow"; break;
            case 2: areaName = "leftCol"; break;
            case 3: areaName = "rightCol"; break;
        }
//        cout << areaName << " area: leftuppos(" << area.x << "," << area.y
//             << "), rightdownpos(" << area.x + area.width << ","
//             << area.y + area.height << ")" << endl;
    }

    return exclusionAreas;
}

//检查轮廓是否在排除区域内
bool isContourInExclusionArea(const vector<Point>& contour,
                             const vector<cv::Rect>& exclusionAreas,
                             double threshold = 0.75) {
    int pointsInArea = 0;
    int totalPoints = contour.size();

    //std::cout << __FUNCTION__ << ": Checking contour with " << totalPoints << " points" << std::endl;

    // 打印所有排除区域
//    for (size_t i = 0; i < exclusionAreas.size(); i++) {
//        const auto& area = exclusionAreas[i];
//        std::cout << "Exclusion area " << i << ": (" << area.x << ", " << area.y
//                  << ", " << area.width << ", " << area.height << ")" << std::endl;
//    }

    // 手动检查每个点是否在排除区域内
    for (const auto& point : contour) {
        bool inArea = false;

        // 手动检查点是否在任何一个排除区域内
        for (size_t i = 0; i < exclusionAreas.size(); i++) {
            const auto& area = exclusionAreas[i];

            // 手动实现点是否在矩形内的检查
            if (point.x >= area.x && point.x < area.x + area.width &&
                point.y >= area.y && point.y < area.y + area.height) {
                pointsInArea++;
                inArea = true;
//                std::cout << "Point " << point << " is in exclusion area " << i
//                          << ": (" << area.x << ", " << area.y
//                          << ", " << area.width << ", " << area.height << ")" << std::endl;
                break;
            }
        }

//        if (!inArea) {
//            std::cout << "Point " << point << " is NOT in any exclusion area" << std::endl;
//        }
    }

    double ratio = (double)pointsInArea / totalPoints;
//    std::cout << "Points in exclusion areas: " << pointsInArea << "/" << totalPoints
//              << " = " << ratio << " (threshold: " << threshold << ")" << std::endl;

    // 如果超过阈值比例的点在排除区域内，则返回true
    return ratio > threshold;
}

void getallContours(const cv::Mat& inputImage, vector<vector<cv::Point>>& contours) {
    cv::Mat gray, blurred, edges;
    cv::cvtColor(inputImage, gray, cv::COLOR_BGR2GRAY);
    GaussianBlur(gray, blurred, Size(9, 9), 3.0);
    Canny(blurred, edges, 50, 150);
    // 增强形态学操作，更好地连接边缘
    cv::Mat kernel = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(7, 7));
    cv::morphologyEx(edges, edges, cv::MORPH_CLOSE, kernel);
    cv::dilate(edges, edges, kernel); // 添加膨胀操作
    // 查找轮廓
    cv::findContours(edges, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
    cout << "find " << contours.size() << " Contours" << endl;
}

void makerectContours(const vector<vector<cv::Point>>& contours, cv::Mat& inputImage) {
    //3.找到面积最大的轮廓
    auto maxContour = *max_element(contours.begin(), contours.end(),
        [](const vector<cv::Point>& a, const vector<cv::Point>& b) {
            return cv::contourArea(a) < cv::contourArea(b);
        });

    // 获取最小外接矩形
    cv::RotatedRect rotatedRect = cv::minAreaRect(maxContour);
    cv::Point2f vertices[4];
    rotatedRect.points(vertices);

    // 转换为整数点坐标
    vector<cv::Point> rectPoints;
    for (int i = 0; i < 4; i++) {
        rectPoints.push_back(cv::Point(
            static_cast<int>(vertices[i].x),
            static_cast<int>(vertices[i].y)
        ));
    }
    if (rectPoints.empty()) return;
    // 用红色绘制矩形轮廓
    for (int i = 0; i < 4; i++) {
        cout << "top" << i+1 << ": (" << rectPoints[i].x << ", " << rectPoints[i].y << ")" << endl;
        cv::line(inputImage, rectPoints[i], rectPoints[(i+1)%4], cv::Scalar(0, 0, 255), 3);//画矩形线
        cv::circle(inputImage, rectPoints[i], 8, cv::Scalar(0, 255, 255), -1);//顶点画一个原点
    }
    // 计算并显示面积
    double area = cv::contourArea(rectPoints);
    cout << "area: " << area << endl;
}

int filterContours(const vector<vector<cv::Point>>& contours,
                   vector<vector<cv::Point>>& filteredContours,
                   const vector<cv::Rect>& exclusionAreas) {
    int excludedCount = 0;

    for (const auto& contour : contours) {
        if (isContourInExclusionArea(contour, exclusionAreas, 0.75)) {
            excludedCount++;
            continue; // 跳过这个轮廓
        }
        filteredContours.push_back(contour);
    }

    cout << "filter " << excludedCount << " edge Contours" << endl;
    return excludedCount;
}

void detectContour(cv::Mat& inputImage) {
    cv::Mat getImagecontours = inputImage.clone();
    //1.在原始图像上绘制gridsizexgridsize网格并获取排除区域
    int gridsize = 20;
    // 控制是否绘制网格线--用于调试
    bool drawGridLines = true;
    vector<cv::Rect> exclusionAreas;
    //drawGrid的行和列的索引
    {//四条边界
        exclusionAreas=drawGrid(inputImage, gridsize, drawGridLines);
    }
    {//第2行和第3行的第2列网格需要排除
        cv::Rect pos;
        pos=getGridCell(inputImage,gridsize,2,2);
        exclusionAreas.push_back(pos);
        pos=getGridCell(inputImage,gridsize,3,2);
        exclusionAreas.push_back(pos);

        pos=getGridCell(inputImage,gridsize,2,19);
        exclusionAreas.push_back(pos);
    }
    {//2.第5行的第4和第5列网格需要排除
        cv::Rect pos;
        pos=getGridCell(inputImage,gridsize,5,4);
        exclusionAreas.push_back(pos);
        pos=getGridCell(inputImage,gridsize,5,5);
        exclusionAreas.push_back(pos);
    }
    {//第5行的第16和第17列网格需要排除
        cv::Rect pos;
        pos=getGridCell(inputImage,gridsize,5,16);
        exclusionAreas.push_back(pos);
        pos=getGridCell(inputImage,gridsize,5,17);
        exclusionAreas.push_back(pos);
    }

    //3. 查找所有轮廓并用绿色绘制
    vector<vector<cv::Point>> contours;
    getallContours(getImagecontours, contours);

    //4.过滤待排除轮廓
    vector<vector<cv::Point>> filteredContours;
    filterContours(contours, filteredContours, exclusionAreas);
    cout << "filteredContours " << filteredContours.size() << " Contours" << endl;

    // 用绿色绘制所有轮廓
    cv::drawContours(inputImage, filteredContours, -1, cv::Scalar(0, 255, 0), 2);

    makerectContours(contours, inputImage);
    // 显示结果
    showimg("inputImage", inputImage);
    cv::waitKey(0);
}


int main(int argc, char* argv[]) {
    string imagePath = "myimage.png";

    // 读取图片
    cv::Mat image = cv::imread(imagePath);
    if (image.empty()) {
        cout << "no can open: " << imagePath << endl;
        return -1;
    }
    cout << "size: " << image.cols << "x" << image.rows << endl;
    // 创建副本用于显示
    cv::Mat result = image.clone();
    detectContour(result);
    return 0;
}
相关推荐
Scott9999HH8 小时前
【IIoT流量实战】蒸汽管道阀门全关却仍有流量？用 Python 实现涡街信号 FFT 频谱分析与温压全补偿积算网关，深度拆解靠谱的涡街流量计厂家硬核技术标准
开发语言·python
码智社9 小时前
AES加密原理详解及Java实现加解密实战
java·开发语言
AI云海9 小时前
python 列表、元组、集合和字典
开发语言·python
萧瑟余晖10 小时前
JDK 26 新特性详解
java·开发语言
马优晨10 小时前
Freemarker 完整讲解（后端 Java 模板引擎）
java·开发语言·freemarker·freemarker 完整讲解·freemarker模板引擎
人邮异步社区12 小时前
怎么把C语言学到精通？
c语言·开发语言
心平气和量大福大13 小时前
C#-WPF-控件-TextBox 数据绑定
开发语言·c#·wpf
ttwuai13 小时前
Cursor 生成 CRUD 后，Go 后台接口别只测 200：JWT、RBAC 和 tenant_id 怎么验
开发语言·后端·golang
এ慕ོ冬℘゜13 小时前
前端基础：什么是时间戳？JS获取时间戳三种方法与实战用途
开发语言·前端·javascript
执明wa13 小时前
LayoutInflater详解: XML是如何变成View的？
android·xml·开发语言·android studio
热门推荐
01GitHub 镜像站点02如何新建文件夹？ 电脑新建文件夹的4种方法032026年7月AI圈大地震：GPT-5.6被政府限制、Claude入驻Slack、Anthropic自研芯片04AI科技热点日报 | 2026年07月01日05国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）06幻兽帕鲁 - 服务器管理员权限与 GM 命令完全指南07AI 编程 IDE 全景解析 2026：Agent 全面接管开发链路08微信历史版本含下载地址（ Windows PC | 安卓 | MAC ）及设置微信不更新092026 国产 AI 大模型横评：DeepSeek、通义千问、Kimi、文心一言、星火、豆包谁更能打？10【解构】DeepSeek V4 发布：技术报告深度解读 + 横向对比六大开源模型，我们的判断是……