欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

C++ OpenCV實(shí)戰(zhàn)之網(wǎng)孔檢測的實(shí)現(xiàn)

 更新時間: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,文中的示例代碼講解詳細(xì),對我們學(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,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)孔檢測的實(shí)現(xiàn)的詳細(xì)內(nèi)容,更多關(guān)于C++ OpenCV網(wǎng)孔檢測的資料請關(guān)注腳本之家其它相關(guān)文章!

相關(guān)文章

  • C語言中文件處理全攻略詳解

    C語言中文件處理全攻略詳解

    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,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

    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),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,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

    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

    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
  • C++中的拷貝構(gòu)造詳解

    C++中的拷貝構(gòu)造詳解

    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
  • 詳解C語言學(xué)習(xí)記錄之指針

    詳解C語言學(xué)習(xí)記錄之指針

    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)

    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
  • C字符串與C++中string的區(qū)別詳解

    C字符串與C++中string的區(qū)別詳解

    以下是對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
  • C語言編程中生成隨機(jī)數(shù)的入門教程

    C語言編程中生成隨機(jī)數(shù)的入門教程

    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
  • c++查詢最短路徑示例

    c++查詢最短路徑示例

    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

最新評論