OpenCV-识别图中目标点和方向

背景：

这个问题也是在CV群里，有位同志问的，我给她解决了，就写个博客记录下！这个图形如下所示，要定位到图中的6个黑点和判断他们的方向，如图的方向为指向左边！

分析：

1、定位到目标点（图中那6个）

怎么定位到图中的6个小黑点捏？我的方法是二值化后寻找图形的外部连通域，很显然利用此方法后可以很容易的索引到图中的索引白色圆，然后怎么确定小黑点位置捏？我是利用这些连通域求出所有轮廓的重心，这里是圆形的也就是他们的圆心，然后判断圆心坐标位置的像素值是否为黑色像素（0），如果是的话那么该重心就是目标点。（我还想到另一种方法：利用霍夫变换检测图中的所有圆形，我们就可以很容易的得到半径，判断方法和上面一样，判断圆心的像素即可），但是我为嘛采用连通域然后求重心勒，因为，用霍夫变换求圆心的话有局限性，这个圆要比较大一点才好检测，而且如果变成正方形咋办了，而利用连通域和重心的话，只要是对称的图像都可以检测到他们的重心！

2、利用这6个点判断他们的方向

经过步骤一，我们可以获取到图中的6个目标点（他们的坐标），接下来我就利用这6个点的坐标求出他们的方向的，仔细观察规律，不难发现，对图中的6个点的X轴坐标求和，在求均值得到xAve。然后用每一个点的X坐标与这个均值做差的绝对值|Xi - xAve|得到的结果的最大值就是水平方向的箭头的位置，如上图，做6次差值后，其中差值绝对值最大的会是最左边的哪一个点，也就是箭头的位置点，所以可以判断出方向了！（我还想到了另一种方法，就是利用莫办匹配法，事先先去提取上下左右方向的模板，然后我们获得目标模板后与事先提取的模板进行匹配，就可以判断方向了，系不系啊！）。

实现：

代码如下：

void findDirect(){
    // to gray
    cv::cvtColor(cellImage,result1d,CV_BGR2GRAY);
    cv::cvtColor(cellImage,result3d,CV_BGR2GRAY);
    // threshold
    cv::threshold(result1d,result1d,128,255,cv::THRESH_BINARY);
    cv::threshold(result3d,result3d,128,255,cv::THRESH_BINARY);
    // find contours and got contours sum
    cv::findContours(result1d,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_NONE);
    int ctsSum = contours.size();

    int ptn_cnt = 0;
    int px[6];
    int py[6];

    for(int i=0;i<ctsSum;i++){
        //cv::drawContours(cellImage,contours,i,cv::Scalar(255,0,0),1);

        // 计算重心
        cv::Moments mom = cv::moments(cv::Mat(contours[i]));
        uchar *data = result3d.ptr<uchar>(static_cast<int >(mom.m01/mom.m00));
        int x = static_cast<int >(mom.m10/mom.m00);
        if(data[x] == 0){
            cv::circle(cellImage,cv::Point(mom.m10/mom.m00,mom.m01/mom.m00),3,cv::Scalar(0,0,255),2);

            px[ptn_cnt] = mom.m10/mom.m00;
            py[ptn_cnt] = mom.m01/mom.m00;

            ptn_cnt++;
        }
    }
    qDebug() << "ptn cnt = " << ptn_cnt;

    int xsum = 0;
    int ysum = 0;
    for(int i=0;i<ptn_cnt;i++){
        xsum += px[i];
        ysum += py[i];
    }
    int xave = xsum/ptn_cnt;
    int yave = ysum/ptn_cnt;


    int dismax = fabs(xave - px[0]);
    int obj_index = 0;
    for(int i=1;i<ptn_cnt;i++){

        if(fabs(xave - px[i]) > dismax){
            dismax = fabs(xave - px[i]);
            obj_index = i;
        }
    }
    cv::circle(cellImage,cv::Point(px[obj_index],py[obj_index]),3,cv::Scalar(255,0,0),2);

    // show marked in cellImage
    cv2QtImageAndShow(cellImage);
}

效果图如下：

如上图，图中绿色位置是索引到的全部连通域，红色位置是所以得6个黑点（那个蓝色的圆心也是红色的，被后面的代码再次用蓝色覆盖而已），而蓝色的位置显然就是方向咯！

OK！3KS 2 SEE!!!

oh！对了，也许你会问图像怎么变大了，那是因为我放大了！！！