为等值线创建边界框和圆-CSDN博客

本文链接：https://blog.csdn.net/2301_81888214/article/details/136145360

目标

在本教程中，您将学习如何：

使用 OpenCV 函数 cv：：boundingRect
使用 OpenCV 函数 cv：：minEnclosingCircle

理论

法典 C++爪哇岛蟒

本教程代码如下所示。您也可以从这里下载

#include“opencv2/imgcodecs.hpp”

#include “opencv2/highgui.hpp”

#include“opencv2/imgproc.hpp”

#include < iostream>

使用命名空间 CV;

使用命名空间 std;

垫子src_gray;

int thresh = 100;

RNGrng（12345）;

无效 thresh_callback（int， void* );

int main（ int argc， char** argv ）

{

CommandLineParser 解析器（ argc， argv， “{@input |东西：.jpg |输入图像}” );

Mat src = imread（ samples：：findFile（ parser.get[>（ “@input” ) ) );

if（ src.空() )

{

cout << “无法打开或找到图像！”<<结束;

cout << “usage： ” << argv[0] << “ <输入图像>” << endl;

返回 -1;

}

cvtColor（ src， src_gray， COLOR_BGR2GRAY );

blur（ src_gray， src_gray， Size（3,3））;

const char* source_window = “源”;

namedWindow（ source_window ）;

imshow（ source_window， src ）;

常量整数 max_thresh = 255;

createTrackbar（ “Canny thresh：”， source_window， &thresh， max_thresh， thresh_callback ）;

thresh_callback（ 0， 0 ）;

等待键();

返回 0;

}

无效 thresh_callback（int， void* )

{

垫子canny_output;

Canny（ src_gray， canny_output， thresh， thresh*2 ）;

vector<vector >轮廓;

findContours（ canny_output， contours， RETR_TREE， CHAIN_APPROX_SIMPLE );

vector<vector > contours_poly（ contours.size（））;

vector boundRect（ contours.size（））;

vectorcenters（ contours.size（））;

vectorradius（ contours.size（））;

for（ size_t i = 0; i < contours.size（）; i++ ）

{

approxPolyDP（ contours[i]， contours_poly[i]， 3， true );

boundRect[i] = boundingRect（ contours_poly[i] ）;

minEnclosingCircle（ contours_poly[i]， centers[i]， radius[i] ）;

}

垫子绘图 = Mat：：zeros（ canny_output.size（）， CV_8UC3 );

for（ size_t i = 0; i< contours.size（）; i++ ）

{

标量颜色 = 标量（ rng.uniform（0， 256）， rng.uniform（0,256）， rng.uniform（0,256））;

drawContours（绘图， contours_poly，（int）i， color ）;

rectangle（绘图， boundRect[i].tl（）， boundRect[i].br（）， color， 2 ）;

圆（绘图，中心[i]，（int）半径[i]，颜色， 2 ）;

}

imshow（ “轮廓”，绘图）;

}

解释 C++爪哇岛蟒

主要功能相当简单，从注释中可以看出，我们执行以下操作：

打开图像，将其转换为灰度并模糊以消除噪点。

CommandLineParser 解析器（ argc， argv， “{@input |东西：.jpg |输入图像}” );

Mat src = imread（ samples：：findFile（ parser.get<String>（ “@input” ) ) );

如果（ src.empty（））

{

cout << “无法打开或找到图像！”<<结束;

cout << “usage： ” << argv[0] << “ <输入图像>” << endl;

返回 -1;

}

cvtColor（ src， src_gray， COLOR_BGR2GRAY );

blur（ src_gray， src_gray， Size（3,3））;

创建一个标题为“源”的窗口，并在其中显示源文件。

const char* source_window = “源”;

namedWindow（ source_window ）;

imshow（ source_window， src ）;

在上创建一个跟踪栏，并为其分配一个回调函数。一般来说，回调函数用于对某种信号做出反应，在我们的例子中，它是跟踪栏的状态变化。显式一次性调用是与“源”窗口同时显示“轮廓”窗口所必需的。source_window``thresh_callback

常量整数 max_thresh = 255;

createTrackbar（ “Canny thresh：”， source_window， &thresh， max_thresh， thresh_callback ）;

thresh_callback（ 0， 0 ）;

回调函数可以完成所有有趣的工作。

使用 cv：：Canny 检测图像中的边缘。

垫子canny_output;

Canny（ src_gray， canny_output， thresh， thresh*2 ）;

查找等值线并将其保存到向量和中。contour``hierarchy

vector<vector >轮廓;

findContours（ canny_output， contours， RETR_TREE， CHAIN_APPROX_SIMPLE );

对于每个找到的等值线，我们现在以精度 ±3 对多边形应用近似值，并声明曲线必须闭合。之后，我们为每个多边形找到一个边界矩形并将其保存到。最后，我们为每个多边形找到一个最小的封闭圆，并将其保存到和向量中。boundRect``center``radius

vector<vector > contours_poly（ contours.size（））;

vector boundRect（ contours.size（））;

vectorcenters（ contours.size（））;

vectorradius（ contours.size（））;

for（ size_t i = 0; i < contours.size（）; i++ ）

{

approxPolyDP（ contours[i]， contours_poly[i]， 3， true );

boundRect[i] = boundingRect（ contours_poly[i] ）;

minEnclosingCircle（ contours_poly[i]， centers[i]， radius[i] ）;

}

我们找到了我们需要的一切，我们所要做的就是画画。

创建无符号 8 位字符的新 Mat，并用零填充。它将包含我们将要制作的所有图纸（直面和圆形）。

垫子图 = Mat：：zeros（ canny_output.size（）， CV_8UC3 );

对于每个轮廓：选择一种随机颜色，用它绘制轮廓、边界矩形和最小的封闭圆。

for（ size_t i = 0; i< contours.size（）; i++ ）

{

标量颜色 = 标量（ rng.uniform（0， 256）， rng.uniform（0,256）， rng.uniform（0,256））;

drawContours（绘图， contours_poly，（int）i， color ）;

rectangle（绘图， boundRect[i].tl（）， boundRect[i].br（）， color， 2 ）;

圆（绘图，中心[i]，（int）半径[i]，颜色， 2 ）;

}

显示结果：创建一个新窗口“轮廓”，并在其上显示我们添加到图纸中的所有内容。

imshow（ “轮廓”，绘图）;

结果

在这里：

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

😝有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓

在这里插入图片描述