OpenCv-C++-小案例实战-对象计数

现在我有这么一张图：

我想用图像处理操作数清楚里面的玉米粒到底有多少个。因为这张图中的玉米粒个数比较少，通过细数之后，我们可以发现玉米粒数量有17个。那么，如何通过图像处理操作来计算其中的玉米粒个数呢？

解决思路：
1、图像二值化；
2、形态学操作（膨胀与腐蚀）
3、距离变换
4、局部阈值二值化操作（adaptiveThreshold方法）
5、轮廓发现

因为我的文章中并没有膨胀与腐蚀的操作，这里我记录一下用来提醒自己：
膨胀：相对于高亮部分（白色区域），在二值化处理后，填补上黑色的部分。
腐蚀，与膨胀相反，去掉白色的部分。

基本解释已在代码中注释
代码：

#include<opencv2/opencv.hpp>
#include<iostream>
#include<math.h>

using namespace cv;
using namespace std;

Mat src;
int main(int argc, char**argv)
{
	src = imread("D:/test/count.png",0);
	if (src.empty())
	{
		cout << "图片未找到！！！" << endl;
		return -1;
	}
	imshow("input image", src);
	
	/*-----------二值化操作-----------*/
	Mat binaryImg, dilateImg;
	threshold(src, binaryImg, 0, 255, THRESH_BINARY | THRESH_TRIANGLE);
	/*这里为什么不用OTSU呢？因为对于这样的一张图，基本上对象是同一种颜色，
	对于单种颜色，用TRIANGLE会比较好，对于2种及以上颜色，就要使用OTSU方法*/
	imshow("binart image",binaryImg);

	/*-------------形态学操作---------------*/
	//膨胀操作，增大高亮（白色）区域，分离黑色连接色块
	Mat kernel = getStructuringElement(MORPH_RECT, Size(5, 5), Point(-1, -1));
	dilate(binaryImg, dilateImg, kernel, Point(-1, -1),1);
	imshow("dilate image", dilateImg);

	/*---------------距离变换---------------*/
	bitwise_not(dilateImg, dilateImg, Mat());
	Mat dist;
	distanceTransform(dilateImg, dist, DIST_L2, 3);
	normalize(dist, dist, 0, 1, NORM_MINMAX);
	imshow("dist image", dist);

	/*-------------阈值二值化分割--------------*/
	//threshold(dist, dist, 0, 1, THRESH_BINARY);
	Mat dist_8u;
	dist.convertTo(dist_8u, CV_8U);
	//局部阈值化操作
	adaptiveThreshold(dist_8u, dist_8u, 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, 81,0);
	normalize(dist_8u, dist_8u, 0, 255, NORM_MINMAX);//归一化处理
	kernel = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));
	erode(dist_8u, dist_8u, kernel, Point(-1, -1),1);
	imshow("dist_8u image", dist_8u);

	/*-------------轮廓发现---------------*/
	vector<vector<Point>> contours;
	Mat resultImg = Mat::zeros(src.size(), CV_8UC3);
	RNG rng((int)time(0));
	findContours(dist_8u, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point(-1, -1));
	for (size_t i = 0; i < contours.size(); i++)
	{
		Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
		drawContours(resultImg, contours, static_cast<int>(i), color, -1, 8, Mat(), 0, Point(-1, -1));
		
	}
	printf("玉米粒数量:%d\n", contours.size());
	imshow("Final image", resultImg);
	waitKey(0);
	return 0;

}

运行结果：
灰度图片：

二值化图片：

通过膨胀后的图片：

此操作是为了尽可能的分离黑色对象。

距离变换后的图片：

这里寻找出了特征比较明显的部分。

注意：为什么还要进行腐蚀操作？因为把距离变换后的图像局部二值化之后，会得到下满的结果：

图中我画红色矩形的部分，因为这两颗玉米还有连接，所以我通过腐蚀的操作去除连接的白色小线部分。

之后的结果就是这样：

最后的结果：

好了，至此，玉米粒已经被全部分离了出来。

现在来看看结果：

这与我们数出来的数量一致。