C++ OpenCV實(shí)戰(zhàn)之網(wǎng)孔檢測(cè)的實(shí)現(xiàn)
更新時(shí)間：2022年05月05日 15:46:47 作者：Zero___Chen
這篇文章主要介紹了如何利用C++和OpenCV實(shí)現(xiàn)網(wǎng)孔檢測(cè)，文中的示例代碼講解詳細(xì)，對(duì)我們學(xué)習(xí)OpenCV有一定幫助，感興趣的小伙伴可以了解一下
前言
前段時(shí)間，有位粉絲私信我，給我發(fā)了一張圖片，如下圖所示：
在這里貼出他的原話。
從他給的圖片分析，該圖存在遮擋，所以不能簡(jiǎn)單的二值化，然后提取圖像輪廓去尋找結(jié)果。所以，我就想如何去掉這些遮擋物（即圖像修復(fù)）。從圖像可知，該遮擋物是黃色的線，所以，我就想可否使用hsv色彩空間提取出黃色，然后得到二值掩模圖像，最后對(duì)原圖進(jìn)行修復(fù)。接下來，就一起看看是如何一步步實(shí)現(xiàn)的吧。
一、HSV通道轉(zhuǎn)換
通過hsv通道轉(zhuǎn)換，可以提取出圖像中的黃色分量。
//hsv顏色通道轉(zhuǎn)換，提取圖像中黃色線部分，生成掩膜圖像
Mat hsv;
cvtColor(src, hsv, COLOR_BGR2HSV);
Mat mask;
inRange(hsv, Scalar(10, 50, 255), Scalar(40, 255, 255), mask);
結(jié)果如圖所示：
二、圖像修復(fù)
關(guān)于圖像修復(fù)的相關(guān)知識(shí)可以參考我之前的博文。這里就不細(xì)說了。
OpenCV C++案例實(shí)戰(zhàn)十四《圖像修復(fù)》
OpenCV C++案例實(shí)戰(zhàn)十七《圖像去水印》
我們拿到上面的mask掩模圖像，需要對(duì)其進(jìn)行膨脹處理，使修復(fù)區(qū)域范圍擴(kuò)大。
//將生成的掩膜mask膨脹一下，使掩膜區(qū)域放大
Mat kernel = getStructuringElement(MORPH_RECT, Size(9, 9));
dilate(mask, mask, kernel);
接下來，需要對(duì)圖像進(jìn)行修復(fù)。這里我提供兩種修復(fù)方法，一種是OpenCV提供的inpaint函數(shù)，一種是我自己寫的。
2.1 OpenCV函數(shù)實(shí)現(xiàn)
//使用OpenCV自帶的inpaint函數(shù)進(jìn)行圖像修復(fù)，得到目標(biāo)圖像
Mat inpaintImg;
inpaint(src, mask, inpaintImg, 1, INPAINT_NS);
效果如圖所示。
2.2 MyFunction
通過修改圖像像素達(dá)到圖像修復(fù)的效果。具體請(qǐng)看源碼注釋。
//自己寫的算法，修改圖像像素，完成圖像修復(fù)
Mat canvas = Mat::zeros(src.size(), src.type());
int r = 1;//像素查找范圍--表示在該像素點(diǎn)上下幾行像素進(jìn)行查找
for (int i = r; i < src.rows- r; i++)
{
for (int j = 0; j < src.cols; j++)
{
if (mask.at<uchar>(i, j) != 255)
{
//對(duì)于非掩膜區(qū)域，直接將原像素進(jìn)行像素賦值
for (int c = 0; c < 3; c++)
{
canvas.at<Vec3b>(i, j)[c] = src.at<Vec3b>(i, j)[c];
}
}
else
{
//找到距離該掩膜像素點(diǎn)最近的非掩膜區(qū)域像素進(jìn)行賦值
Point res = find_Nearest_Point(mask, i, j, r);
for (int c = 0; c < 3; c++)
{
canvas.at<Vec3b>(i, j)[c] = src.at<Vec3b>(res.x, res.y)[c];
}
}
}
}
效果如何所示
三、輪廓提取
接下來我們只需要對(duì)修復(fù)之后的圖像進(jìn)行輪廓提取就可以了。
//將修復(fù)之后的目標(biāo)圖像進(jìn)行圖像預(yù)處理，提取輪廓
Mat gray;
cvtColor(canvas, gray, COLOR_BGR2GRAY);
Mat gaussian;
GaussianBlur(gray, gaussian, Size(3, 3), 0);
Mat thresh;
threshold(gaussian, thresh, 30, 255, THRESH_BINARY_INV);
Mat kernel1 = getStructuringElement(MORPH_RECT, Size(3, 3));
morphologyEx(thresh, thresh, MORPH_OPEN, kernel);
//namedWindow("thresh", WINDOW_NORMAL);
//imshow("thresh", thresh);
//輪廓提取
vector<vector<Point>>contours;
findContours(thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
//經(jīng)過面積，外接矩形特征篩選出目標(biāo)區(qū)域
vector<vector<Point>>EffectiveConts;
for (int i = 0; i < contours.size(); i++)
{
double area = contourArea(contours[i]);
if (area>100)
{
Rect rect = boundingRect(contours[i]);
if (double(rect.height) > 30 && double(rect.width) > 30)
{
EffectiveConts.push_back(contours[i]);
}
}
}
四、效果顯示
for (int i = 0; i < EffectiveConts.size(); i++)
{
//計(jì)算輪廓矩
Moments Mo = moments(EffectiveConts[i]);
//計(jì)算質(zhì)心--即插孔坐標(biāo)
Point center = Point(Mo.m10 / Mo.m00, Mo.m01 / Mo.m00);
//效果繪制
Rect rect = boundingRect(EffectiveConts[i]);
rectangle(src, rect, Scalar(0, 255, 0), 5);
circle(src, center, 3, Scalar(0, 0, 255), -1);
}
如圖為該案例最終效果。
五、源碼
#include<opencv2/opencv.hpp>
#include <iostream>
#include<opencv2/photo.hpp>
using namespace std;
using namespace cv;
double EuDis(Point pt1, Point pt2)
{
return sqrt(pow(pt1.x - pt2.x, 2) + pow(pt1.y - pt2.y, 2));
}
Point find_Nearest_Point(Mat mask , int currentrow, int currentcol, int r)
{
double mindis = 100000.0;
Point res(0,0);
//查找該像素點(diǎn)上下r行像素，找到最接近該像素的非掩膜區(qū)域像素
for (int i = currentrow - r; i < currentrow + r; i++)
{
for (int j = 0; j < mask.cols; j++)
{
if (mask.at<uchar>(i, j) != 255)
{
//Point(currentrow, currentcol) 表示當(dāng)前需要賦值的掩膜像素點(diǎn)
double dis = EuDis(Point(currentrow, currentcol), Point(i, j));
if (dis < mindis)
{
mindis = dis;
res = Point(i, j); //目標(biāo)像素點(diǎn)
}
}
}
}
return res;
}
int main()
{
Mat src = imread("test.jpg");
if (src.empty())
{
cout << "No Image!" << endl;
system("pause");
return -1;
}
//hsv顏色通道轉(zhuǎn)換，提取圖像中黃色線部分，生成掩膜圖像
Mat hsv;
cvtColor(src, hsv, COLOR_BGR2HSV);
Mat mask;
inRange(hsv, Scalar(10, 50, 255), Scalar(40, 255, 255), mask);
//將生成的掩膜mask膨脹一下，使掩膜區(qū)域放大
Mat kernel = getStructuringElement(MORPH_RECT, Size(9, 9));
dilate(mask, mask, kernel);
//使用OpenCV自帶的inpaint函數(shù)進(jìn)行圖像修復(fù)，得到目標(biāo)圖像
//Mat inpaintImg;
//inpaint(src, mask, inpaintImg, 1, INPAINT_NS);
//namedWindow("inpaintImg", WINDOW_NORMAL);
//imshow("inpaintImg", inpaintImg);
//自己寫的算法，修改圖像像素，完成圖像修復(fù)
Mat canvas = Mat::zeros(src.size(), src.type());
int r = 1;//像素查找范圍--表示在該像素點(diǎn)上下幾行像素進(jìn)行查找
for (int i = r; i < src.rows- r; i++)
{
for (int j = 0; j < src.cols; j++)
{
if (mask.at<uchar>(i, j) != 255)
{
//對(duì)于非掩膜區(qū)域，直接將原像素進(jìn)行像素賦值
for (int c = 0; c < 3; c++)
{
canvas.at<Vec3b>(i, j)[c] = src.at<Vec3b>(i, j)[c];
}
}
else
{
//找到距離該掩膜像素點(diǎn)最近的非掩膜區(qū)域像素進(jìn)行賦值
Point res = find_Nearest_Point(mask, i, j, r);
for (int c = 0; c < 3; c++)
{
canvas.at<Vec3b>(i, j)[c] = src.at<Vec3b>(res.x, res.y)[c];
}
}
}
}
//namedWindow("canvas", WINDOW_NORMAL);
//imshow("canvas", canvas);
//將修復(fù)之后的目標(biāo)圖像進(jìn)行圖像預(yù)處理，提取輪廓
Mat gray;
cvtColor(canvas, gray, COLOR_BGR2GRAY);
Mat gaussian;
GaussianBlur(gray, gaussian, Size(3, 3), 0);
Mat thresh;
threshold(gaussian, thresh, 30, 255, THRESH_BINARY_INV);
Mat kernel1 = getStructuringElement(MORPH_RECT, Size(3, 3));
morphologyEx(thresh, thresh, MORPH_OPEN, kernel);
//namedWindow("thresh", WINDOW_NORMAL);
//imshow("thresh", thresh);
//輪廓提取
vector<vector<Point>>contours;
findContours(thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
//經(jīng)過面積，外接矩形特征篩選出目標(biāo)區(qū)域
vector<vector<Point>>EffectiveConts;
for (int i = 0; i < contours.size(); i++)
{
double area = contourArea(contours[i]);
if (area>100)
{
Rect rect = boundingRect(contours[i]);
if (double(rect.height) > 30 && double(rect.width) > 30)
{
EffectiveConts.push_back(contours[i]);
}
}
}
for (int i = 0; i < EffectiveConts.size(); i++)
{
//計(jì)算輪廓矩
Moments Mo = moments(EffectiveConts[i]);
//計(jì)算質(zhì)心--即插孔坐標(biāo)
Point center = Point(Mo.m10 / Mo.m00, Mo.m01 / Mo.m00);
//效果繪制
Rect rect = boundingRect(EffectiveConts[i]);
rectangle(src, rect, Scalar(0, 255, 0), 5);
circle(src, center, 3, Scalar(0, 0, 255), -1);
}
namedWindow("src", WINDOW_NORMAL);
imshow("src", src);
waitKey(0);
system("pause");
return 0;
}
總結(jié)
本文使用OpenCV C++實(shí)現(xiàn)網(wǎng)孔檢測(cè)，主要操作有以下幾點(diǎn)。
1、hsv通道轉(zhuǎn)換，提取出黃色分量，得到掩模圖像。
2、利用掩模圖像對(duì)原圖進(jìn)行圖像修復(fù)。
3、通過輪廓提取定位網(wǎng)孔位置。
以上就是C++ OpenCV實(shí)戰(zhàn)之網(wǎng)孔檢測(cè)的實(shí)現(xiàn)的詳細(xì)內(nèi)容，更多關(guān)于C++ OpenCV網(wǎng)孔檢測(cè)的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
您可能感興趣的文章:
- C++?opencv圖像處理實(shí)現(xiàn)圖片邊緣檢測(cè)示例
- C++ OpenCV實(shí)戰(zhàn)之標(biāo)記點(diǎn)檢測(cè)的實(shí)現(xiàn)
- C++?OpenCV實(shí)戰(zhàn)之車道檢測(cè)
- C++?OpenCV實(shí)現(xiàn)二維碼檢測(cè)功能
- C++ opencv霍夫圓檢測(cè)使用案例詳解
- opencv3/C++ 實(shí)現(xiàn)SURF特征檢測(cè)
- opencv3/C++實(shí)現(xiàn)霍夫圓/直線檢測(cè)
- C++利用opencv實(shí)現(xiàn)人臉檢測(cè)
- C++利用Opencv實(shí)現(xiàn)多個(gè)圓形檢測(cè)
相關(guān)文章
這篇文章主要為大家詳細(xì)介紹了C語言中文件處理的相關(guān)知識(shí),包括創(chuàng)建、寫入、追加操作解析,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以了解一下2024-01-01
使用C++ Matlab中的lp2lp函數(shù)教程詳解
本文介紹如何使用C++編寫數(shù)字濾波器設(shè)計(jì)算法，實(shí)現(xiàn)Matlab中的lp2lp函數(shù)，將低通濾波器轉(zhuǎn)換為參數(shù)化的低通濾波器，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)吧2023-04-04
C語言植物大戰(zhàn)數(shù)據(jù)結(jié)構(gòu)希爾排序算法
這篇文章主要為大家介紹了C語言希爾排序算法實(shí)現(xiàn)植物大戰(zhàn)示例，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-05-05
VC中實(shí)現(xiàn)GB2312、BIG5、Unicode編碼轉(zhuǎn)換的方法
這篇文章主要介紹了VC中實(shí)現(xiàn)GB2312、BIG5、Unicode編碼轉(zhuǎn)換的方法,該功能非常實(shí)用,需要的朋友可以參考下2014-07-07
這篇文章主要為大家介紹了C++中的拷貝構(gòu)造，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下，希望能夠給你帶來幫助2022-01-01
關(guān)于指針，其是C語言的重點(diǎn)，C語言學(xué)的好壞，其實(shí)就是指針學(xué)的好壞。其實(shí)指針并不復(fù)雜，學(xué)習(xí)指針，要正確的理解指針,本片文章能給就來學(xué)習(xí)一下2021-11-11
C++實(shí)現(xiàn)LeetCode(6.字型轉(zhuǎn)換字符串)
這篇文章主要介紹了C++實(shí)現(xiàn)LeetCode(6.字型轉(zhuǎn)換字符串),本篇文章通過簡(jiǎn)要的案例,講解了該項(xiàng)技術(shù)的了解與使用,以下就是詳細(xì)內(nèi)容,需要的朋友可以參考下2021-07-07
以下是對(duì)C字符串與C++中string的區(qū)別進(jìn)行了詳細(xì)的分析介紹，需要的朋友可以過來參考下2013-09-09
這篇文章主要介紹了C語言編程中生成隨機(jī)數(shù)的入門教程,包括利用rand()函數(shù)來編寫隨機(jī)數(shù)生成器的示例,要的朋友可以參考下2015-12-12
這篇文章主要介紹了c++查詢最短路徑示例,需要的朋友可以參考下2014-05-05