Opencv轮廓计数(学习)
#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/xfeatures2d.hpp>
using namespace std;
using namespace cv;
using namespace cv::xfeatures2d;
Mat img1, img2, img3, img4, img5, img6, img_result, img_gray1, img_gray2, img_gray3, img_canny1, img_binary1, img_binary2, img_dist1, img_dist2, kernel_1, kernel_2, img_laplance, img_sharp;
char win1[] = "window1";
char win2[] = "window2";
char win3[] = "window3";
char win4[] = "window4";
char win5[] = "window5";
char win6[] = "window6";
char win7[] = "window7";
int thread_value = 10;
int max_value = 255;
RNG rng1(12345);
RNG rng2(1235);
double harris_min = 0;
double harris_max = 0;
int Demo_SURF();
void Demo_1(int, void*);
void Demo_2(int, void*);
int Demo_SURF()
{
namedWindow(win1, CV_WINDOW_AUTOSIZE);
//namedWindow(win2, CV_WINDOW_AUTOSIZE);
//namedWindow(win3, CV_WINDOW_AUTOSIZE);
img1 = imread("D://images//71.png");
//img1 = imread("D://images//77.jpg");
if (img1.empty())
{
cout << "could not load image..." << endl;
return 0;
}
imshow(win1, img1);
//转灰度
cvtColor(img1, img_gray1, COLOR_BGR2GRAY);
//二值化
threshold(img_gray1, img_binary1, 0, 255, THRESH_BINARY | THRESH_TRIANGLE);
imshow(win2,img_binary1);
//形态学操作
kernel_1 = getStructuringElement(MORPH_RECT, Size(5, 5), Point(-1, -1));
dilate(img_binary1, img_binary2, kernel_1, Point(-1, -1),1);
imshow(win3, img_binary2);
//背景变换
bitwise_not(img_binary2,img_binary2);
//距离变换
distanceTransform(img_binary2, img2, CV_DIST_L2, 3);
//归一化(0-1)
normalize(img2, img2, 0, 1.0, NORM_MINMAX);
imshow(win4, img2);
//阈值化二值分割
threshold(img2, img2, 0.6, 1.0, THRESH_BINARY);
img2.convertTo(img3, CV_8U);
adaptiveThreshold(img3,img3,255,ADAPTIVE_THRESH_GAUSSIAN_C,THRESH_BINARY,87,0.0);
kernel_2 = getStructuringElement(MORPH_RECT, Size(5, 5), Point(-1, -1));
dilate(img3, img3, kernel_2, Point(-1, -1), 4);
//normalize(img3, img3, 0, 255, NORM_MINMAX);
imshow(win5,img3);
//连通区域
vector<vector<Point>> vec_contours;
findContours(img3, vec_contours, CV_RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
img4 = Mat::zeros(img1.size(),CV_8UC3);
//绘制轮廓
for (size_t k=0;k<vec_contours.size();k++)
{
Scalar color_1 = Scalar(rng1.uniform(0,255),rng1.uniform(0,255),rng1.uniform(0,255));
drawContours(img4, vec_contours, static_cast<int>(k), color_1, 2, 8,Mat());
}
cout << "size:"<<vec_contours.size() << endl;
imshow(win6,img4);
return 0;
}
void Demo_1(int, void*)
{
}
void Demo_2(int, void*)
{
}
int main()
{
Demo_SURF();
waitKey(0);
return 0;
}


Opencv轮廓计数(学习)的更多相关文章
- OpenCV之Python学习笔记
OpenCV之Python学习笔记 直都在用Python+OpenCV做一些算法的原型.本来想留下发布一些文章的,可是整理一下就有点无奈了,都是写零散不成系统的小片段.现在看 到一本国外的新书< ...
- OpenCV 轮廓基本特征
http://blog.csdn.net/tiemaxiaosu/article/details/51360499 OpenCV 轮廓基本特征 2016-05-10 10:26 556人阅读 评论( ...
- OpenCV轮廓vectorvector
OpenCV轮廓vectorvector,vector,vector,vector https://blog.csdn.net/Ahuuua/article/details/80593388 轮廓 ...
- Opencv调用深度学习模型
https://blog.csdn.net/lovelyaiq/article/details/79929393 https://blog.csdn.net/qq_29462849/article/d ...
- 语义分割:基于openCV和深度学习(二)
语义分割:基于openCV和深度学习(二) Semantic segmentation in images with OpenCV 开始吧-打开segment.py归档并插入以下代码: Semanti ...
- 语义分割:基于openCV和深度学习(一)
语义分割:基于openCV和深度学习(一) Semantic segmentation with OpenCV and deep learning 介绍如何使用OpenCV.深度学习和ENet架构执行 ...
- opencv——对象计数
思路: 1.通过形态学操作.阈值处理.距离变换等方法,使得各个轮廓分开 2.计算轮廓数量 #include <opencv2/opencv.hpp> #include <iostr ...
- opencv安装及学习资料
第一次装时win7+VS2010+opencv3.0,结果不成功,原因解压出来的没有vc10,可能新版本不在支持vc的旧版本了.所以换了VS2013+opencv3.0,比较经典的安装时VS2010+ ...
- 【转载】openCV轮廓操作
声明:非原创,转载自互联网,有问题联系博主 1.轮廓的提取 从图片中将目标提取出来,常常用到的是提取目标的轮廓. OpenCV里提取目标轮廓的函数是findContours(), 它的输入图像是一幅二 ...
随机推荐
- vi配置
1.配置文件的位置在目录 /etc/ 下面,有个名为vimrc的文件,这是系统中公共的vim配置文件,对所有用户都有效.而在每个用户的主目录下,都可以自己建立私有的配置文件,命名为:“.vimrc”. ...
- zipkin之brave
brave是同步收集信息,及计算调用时间,但是异步发送日志信息给zipkin:所以很多时候你无法在第一时间获取日志数据可能需要等一会.另外在写一个demo的时候,因为最后睡了1秒,经常会发现丢了一些日 ...
- js动态的属性名如何取该属性的值
var cls={cn1:"nihao",cn2="made",cn3="shuide"};var index=2;//可变获取cn2的值 ...
- Jenkins的项目管理
新建Item 使用Jenkins最重要的是能够创建一些工作流,除了部署,还能做很多流程上的事情.同样,一条条项目建起来需要做一定的管理,在Jenkins首页Jenkins->新建可以按自己的需要 ...
- 国内DP厂家的相关资料信息
这两天看了国内各个厂家的DSP开发板,总结一下,希望给同样需要的人一点经验和总结. 因为我是做通信系统,所以需要TI公司的C6000系列处理器. 目前C6000系列性能最强的是C66X系列,该系列的C ...
- java代码--------实现位运算符不用乘除法啊
总结:<<:乘法 >>:除法 package com.mmm; public class dfd { public static void main(String[] args ...
- Ajax的基础应用
什么是ajax Ajax: asynchronous javascript and xml (异步js和xml) 其是可以与服务器进行(异步/同步)交互的技术之一. ajax的语言载体是java ...
- CDH5.10.0 离线安装(共3节点) 转
1.安装方式 CDH的离线部署安装,即Parcel包(推荐) 2.角色规划 三个节点对应的角色: 3.基本环境配置(在每个节点上都要配置) (1)关闭防火墙 #/etc/init.d/iptables ...
- Android Study 玩转百度ocr身份证识别不是梦~
前言 Today,由于昨晚喝蒙了,今天晕乎乎的为大家带来如何快速集入ocr身份证识别. 关于ocr的前世今生这里不做过多的说明,百度一抓一大把. 前期准备 百度AI开放平台ocr地址: https:/ ...
- Ceph的工作原理及流程
本文将对Ceph的工作原理和若干关键工作流程进行扼要介绍.如前所述,由于Ceph的功能实现本质上依托于RADOS,因而,此处的介绍事实上也是针对RADOS进行.对于上层的部分,特别是RADOS GW和 ...