OpenCV联通组件扫描

简介: OpenCV联通组件扫描


void ccl_demo()
{
  QString appPath = QCoreApplication::applicationDirPath();
  QString imagePath = appPath + "/rice.png";
  Mat img = cv::imread(imagePath.toStdString());
  if (img.empty()) {
    return;
  }
  namedWindow("input", WINDOW_AUTOSIZE);
  imshow("input", img);
  //高斯模糊:降噪
  GaussianBlur(img, img, Size(3, 3),0);
  //To gray image
  Mat gray, binary;
  cvtColor(img, gray, COLOR_BGR2GRAY);
  imshow("gray", gray);
  //OTSU
  double m_otsu = threshold(gray, binary, 0, 255, THRESH_BINARY | THRESH_OTSU);
  imshow("BINARY", binary);
  ccl_stats_demo(binary);
}
void ccl_stats_demo(Mat &image)
{
  Mat labels = Mat::zeros(image.size(), CV_32S);
  Mat stats, centrolds;
  int num_labels = connectedComponentsWithStats(image,labels,stats,centrolds,8, CV_32S, CCL_DEFAULT);
  vector<Vec3b> colorTable(num_labels);
  RNG rng(12345);
  //background color
  colorTable[0] = Vec3b(0, 0, 0);
  
  for (int i = 1; i < num_labels; i++)
  {
    colorTable[i] = Vec3b(rng.uniform(0, 256), rng.uniform(0, 256), rng.uniform(0, 256));
  }
  Mat result = Mat::zeros(image.size(), CV_8UC3);
  int w = result.cols;
  int h = result.rows;
  for (int row = 0; row < h; row++)
  {
    for (int col = 0; col < w; col++)
    {
      int label = labels.at<int>(row, col);
      result.at<Vec3b>(row, col) = colorTable[label];
    }
  }
  for (int i = 1; i < num_labels; i++)
  {
    //center
    int cx = centrolds.at<double>(i, 0);
    int cy = centrolds.at<double>(i, 1);
    //rectangle
    int x = stats.at<int>(i, CC_STAT_LEFT);
    int y = stats.at<int>(i, CC_STAT_TOP);
    int w = stats.at<int>(i, CC_STAT_WIDTH);
    int h = stats.at<int>(i, CC_STAT_HEIGHT);
    int area = stats.at<int>(i, CC_STAT_AREA);
    circle(result, Point(cx, cy), 3, Scalar(0, 0, 255), 2, 8, 0);
    Rect box(x, y, w, h);
    rectangle(result, box, Scalar(0, 255, 0), 2, 8, 0);
    putText(result, format("%d", area), Point(x,y), FONT_HERSHEY_PLAIN, 1.0, Scalar(0, 255, 255), 1);
  }
  putText(result, format("number:%d", num_labels-1), Point(10, 10), FONT_HERSHEY_PLAIN, 1.0, Scalar(0, 0, 255), 1);
  imshow("CCL demo", result);
}


相关文章
|
安全 计算机视觉 C++
OpenCV使用迭代器扫描图像
在面向对象的编程中,循环数据集合通常是使用迭代器完成的。迭代器是专门为遍历集合的每个元素而构建的类,隐藏了如何迭代给定集合中每个元素的具体操作。
101 0
OpenCV使用迭代器扫描图像
|
计算机视觉 Python
document-scanner 一个基于 OpenCV 的文档扫描程序(从现在开始直到完成)
document-scanner —— 一个基于 OpenCV 的文档扫描程序 document-scanner 则是一个基于 OpenCV + Python 开发的文档扫描程序,强烈建议阅读我的博客以便更好理解本文: http://vipulsharma20.blogspot.on 真诚的感谢下面这篇文字以及作者:  http
2230 0
|
27天前
|
算法 计算机视觉
opencv图像形态学
图像形态学是一种基于数学形态学的图像处理技术,它主要用于分析和修改图像的形状和结构。
34 4
|
7天前
|
存储 计算机视觉
Opencv的基本操作(一)图像的读取显示存储及几何图形的绘制
本文介绍了使用OpenCV进行图像读取、显示和存储的基本操作,以及如何绘制直线、圆形、矩形和文本等几何图形的方法。
Opencv的基本操作(一)图像的读取显示存储及几何图形的绘制
|
2月前
|
算法 计算机视觉 Python
python利用opencv进行相机标定获取参数,并根据畸变参数修正图像附有全部代码(流畅无痛版)
该文章详细介绍了使用Python和OpenCV进行相机标定以获取畸变参数,并提供了修正图像畸变的全部代码,包括生成棋盘图、拍摄标定图像、标定过程和畸变矫正等步骤。
python利用opencv进行相机标定获取参数,并根据畸变参数修正图像附有全部代码(流畅无痛版)
WK
|
2月前
|
编解码 计算机视觉 Python
如何在OpenCV中进行图像转换
在OpenCV中,图像转换涉及颜色空间变换、大小调整及类型转换等操作。常用函数如`cvtColor`可实现BGR到RGB、灰度图或HSV的转换;`resize`则用于调整图像分辨率。此外,通过`astype`或`convertScaleAbs`可改变图像数据类型。对于复杂的几何变换,如仿射或透视变换,则可利用`warpAffine`和`warpPerspective`函数实现。这些技术为图像处理提供了强大的工具。
WK
72 1
|
2月前
|
机器人 计算机视觉
巧用 OpenCV solvePnP() 函数完成由图像坐标系到机器人坐标系的转换(二维坐标系之间的转换)
巧用 OpenCV solvePnP() 函数完成由图像坐标系到机器人坐标系的转换(二维坐标系之间的转换)
48 2
|
4月前
|
算法 计算机视觉
【Qt&OpenCV 图像的感兴趣区域ROI】
【Qt&OpenCV 图像的感兴趣区域ROI】
105 1
|
4月前
|
运维 算法 计算机视觉
【Qt&OpenCV 图像的模板匹配 matchTemplate/minMaxLoc】
【Qt&OpenCV 图像的模板匹配 matchTemplate/minMaxLoc】
58 1
|
4月前
|
存储 编解码 算法
【Qt&OpenCV 检测图像中的线/圆/轮廓 HoughLinesP/HoughCircles/findContours&drawContours】
【Qt&OpenCV 检测图像中的线/圆/轮廓 HoughLinesP/HoughCircles/findContours&drawContours】
69 0
下一篇
无影云桌面