#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

  1. 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< ...

  2. 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( ...

  3. OpenCV轮廓vectorvector

    OpenCV轮廓vectorvector,vector,vector,vector https://blog.csdn.net/Ahuuua/article/details/80593388   轮廓 ...

  4. 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 ...

  5. 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 ...

  6. 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 ...

  7. 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 ...

  8. 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+ ...

  9. 【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

  1. wordpress分享到微信无缩略图的问题

    牛逼的老板想把他牛逼的艺术品分享给牛逼的画家和藏家简直苦逼了我这个程序狗,他想要的结果是这样的qq和微信上依次为     但是牛逼的微信越来越“抠”了现在不是微信开发者用不了他的分享接口不给你显示缩略 ...

  2. centos安装 node.js

    curl --silent --location https://rpm.nodesource.com/setup_8.x | sudo bash - yum clean all yum makeca ...

  3. JavaSE 手写 Web 服务器(二)

    原文地址:JavaSE 手写 Web 服务器(二) 博客地址:http://www.extlight.com 一.背景 在上一篇文章 <JavaSE 手写 Web 服务器(一)> 中介绍了 ...

  4. Codeforces Round #204 (Div. 2) C. Jeff and Rounding——数学规律

    给予N*2个数字,改变其中的N个向上进位,N个向下进位,使最后得到得数与原来数的差的绝对值最小 考虑小数点后面的数字,如果这些数都非零,则就是  abs(原数小数部分相加-1*n), 多一个0 则 m ...

  5. 洛谷八连测R4

    1.逃避 https://www.luogu.org/problemnew/show/T14561 注意: 1.输入时需要用EOF判断,否则会TLE. 2.用flag判断字符是不是每一句首字母. 3. ...

  6. JAVA课程设计(坦克大战)

    2019-01-16 坦克大战游戏背景: 1. 需求分析 1.1环境要求 操作系统:Windows 7(SP1)以上 JAVA虚拟机:JDK1.8以上 开发环境:Eclipse(4.5以上) 1.2角 ...

  7. NGINX conf 配置文件中的变量大全 可用变量列表及说明

    $args #这个变量等于请求行中的参数.$content_length #请求头中的Content-length字段.$content_type #请求头中的Content-Type字段.$docu ...

  8. Linux性能监控 - CPU、Memory、IO、Network

    一.CPU 良好状态指标 CPU利用率:User Time <= 70%,System Time <= 35%,User Time + System Time <= 70%. 上下文 ...

  9. Oracle清理大表,降水位

    背景:一张表的清理机制存在问题,导致该表的数据一直在增加,该表水位已很高,需要对该表的数据进行清理并降水位. 1.1 迁移前准备 步骤一.新建表 p_transaction_bak. oracle@l ...

  10. Go - reflection

    Go 语言也有反射的机制,通过这种机制可以大大提高程序的灵活性. reflect包中的 TypeOf 与 ValueOf 方法 首先,当我们想要使用反射技术的时候,我们需要先引用 reflect 包. ...