C# 使用opencv识别圆

最新推荐文章于 2024-12-12 15:48:59 发布
最新推荐文章于 2024-12-12 15:48:59 发布
阅读量1.6k 收藏 9
点赞数
文章标签： c# opencv 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ftfmatlab/article/details/128144937
版权

这个例子我在winform中写的，做了一些二值化、高斯滤波处理，然后用霍夫圆检测或者网格提取法，代码如下：

public partial class Form1 : Form
    {
        public Form1()
        {
            InitializeComponent();
        }
        private Mat imgscr = null;
        private void Form1_Load(object sender, EventArgs e)
        {
            LoadPicture();

            // 相机标定
            //var objectPoints = ExternalParameter.GetObjectPoints();
            //var imagePoints = ExternalParameter.GetImagePoints(out int pw, out int ph);
            using Mat cameraMatrix = new Mat(3, 3, DepthType.Cv32F, 0);
            using Mat distortionCoeffs = new Mat(1, 5, DepthType.Cv32F, 0);
            //MCvTermCriteria termCriteria = new MCvTermCriteria(10);
            //using Matrix<double> matrix = ExternalParameter.GetCameraInternalParameterMatrix();
            //using Matrix<double> matrix2 = ExternalParameter.GetDistortionMatrix(ks: new double[] { 1, 1, 1, 1 });
            //var result = CvInvoke.CalibrateCamera(objectPoints, imagePoints, new Size(pw, ph), matrix, matrix2, CalibType.UserIntrinsicGuess, termCriteria, out Mat[] rotationVectors, out Mat[] translationVectors);
            //var fisrt = rotationVectors.First().GetInputArray();

            //richTextBox1.Text = string.Join(',', fisrt);

            //rotationVectors = null;
            //translationVectors = null;

            //Mat mat = new Mat();
             二值化
            //CvInvoke.Threshold(imgscr, mat, 163, 255, ThresholdType.Binary);
            // 高斯滤波去噪
            //参数：输入图像,输出图像，内核，高斯核在x方向的标准差，高斯核在y方向的标准差
            //sigmaY=0时，其值自动由sigmaX确定（sigmaY=sigmaX）；
            //sigmaY=sigmaX=0时，它们的值将由ksize.width和ksize.height自动确定））
            //CvInvoke.GaussianBlur(mat, mat, new Size(5, 5), 0);
            //this.pictureBox2.Image = mat.Bitmap;


            //bmp.Dispose();
            //CvInvoke.Imshow("img", mat);//显示图像
            //CvInvoke.WaitKey(0);//按键等待 findChessboardCorners

            //Mat mat = new Mat();
            //var status= CvInvoke.FindChessboardCorners(imgscr,new Size(4,6), mat);

            //OutputArray data = mat.GetOutputArray();
            //data.Dispose();




           
        }
        private void LoadPicture()
        {
            if (imgPath != string.Empty)
            {
                imgscr = CvInvoke.Imread(imgPath, LoadImageType.Grayscale);
                //CvInvoke.CornerSubPix(imgscr, imgscr,new Size(imgscr.Width>>1, imgscr.Bitmap.Height>>1),new Size(-1,-1)):
                //CvInvoke.CalibrateCamera
                this.pictureBox1.Image = imgscr.Bitmap;
            }
        }
        /// <summary>
        /// 二值化阈值
        /// </summary>
        /// <param name="sender"></param>
        /// <param name="e"></param>
        private void trackBar1_Scroll(object sender, EventArgs e)
        {
            if (checkBox1.Checked && imgscr != null)
            {
                label3.Text = trackBar1.Value.ToString();
                // 二值化
                CvInvoke.Threshold(imgscr, imgscr, trackBar1.Value, trackBar2.Value, ThresholdType.Binary);
                this.pictureBox1.Image = imgscr.Bitmap;
            }
        }
        /// <summary>
        /// 二值化maxValue
        /// </summary>
        /// <param name="sender"></param>
        /// <param name="e"></param>
        private void trackBar2_Scroll(object sender, EventArgs e)
        {
            if (checkBox1.Checked && imgscr != null)
            {
                label4.Text = trackBar2.Value.ToString();
                // 二值化
                CvInvoke.Threshold(imgscr, imgscr, trackBar1.Value, trackBar2.Value, ThresholdType.Binary);
                this.pictureBox1.Image = imgscr.Bitmap;
            }

            /* double threshold(InputArray src,//src输入数组（多通道，8位或32位浮点）。
                   OutputArray dst,//dst输出数组的大小和类型与src相同，通道数相同。
                   double thresh, //二值化阈值，阈值两端的分别置为0、255
                   double maxval, //与#THRESH_BINARY=0和#THRESH_BINARY_INV=1一起使用的maxval最大值类型。(8位图像为255)
                   int type //二值化类型
                   );

            CV_THRESH_BINARY = 0,  /**值大于阈值置为最大值，否则为0
            CV_THRESH_BINARY_INV = 1,  /**值大于阈值置为0，否则为最大值
    CV_THRESH_TRUNC = 2,  /**值大于阈值置为阈值，否则不变
    CV_THRESH_TOZERO = 3,  /**值大于阈值不变，否则置为0
    CV_THRESH_TOZERO_INV = 4,  /**值大于阈值置为0，否则不变
    
    CV_THRESH_OTSU = 8, /**<利用大津法自动选择最优阈值；将标志与上述CV_THRESH_x值之一组合
    CV_THRESH_TRIANGLE = 16  /**采用三角形算法选择最优阈值；将标志与上述CV_THRESH_x值之一组合，但不能用CV_THRESH_OTSU
             */
        }
        private void Disposable()
        {
            imgscr?.Dispose();
        }
        ~Form1()
        {
            Disposable();
        }

        private void Form1_FormClosing(object sender, FormClosingEventArgs e)
        {
            Disposable();
            this.Dispose();

            Application.ExitThread();
            Process.GetCurrentProcess().Kill();
        }
        /// <summary>
        /// 高斯核大小width
        /// </summary>
        /// <param name="sender"></param>
        /// <param name="e"></param>
        private void trackBar4_Scroll(object sender, EventArgs e)
        {
            if (checkBox2.Checked && imgscr != null && (trackBar4.Value & 1) == 1)
            {
                label8.Text = trackBar4.Value.ToString();
                CvInvoke.GaussianBlur(imgscr, imgscr, new Size(trackBar4.Value, trackBar3.Value), (double)numericUpDown1.Value, (double)numericUpDown2.Value);
                this.pictureBox1.Image = imgscr.Bitmap;
            }
        }
        /// <summary>
        /// 高斯核大小height
        /// </summary>
        /// <param name="sender"></param>
        /// <param name="e"></param>
        private void trackBar3_Scroll(object sender, EventArgs e)
        {
            if (checkBox2.Checked && imgscr != null && (trackBar3.Value & 1) == 1)
            {
                label7.Text = trackBar3.Value.ToString();
                CvInvoke.GaussianBlur(imgscr, imgscr, new Size(trackBar4.Value, trackBar3.Value), (double)numericUpDown1.Value, (double)numericUpDown2.Value);
                this.pictureBox1.Image = imgscr.Bitmap;
            }
            /*
             Size    ksize,    （高斯核大小，ksize.width和ksize.height可以不同，但是都必须为正的奇数（或者为0，此时它们的值会自动由sigma进行计算））
            double    sigmaX,    （高斯核在x方向的标准差）
            double    sigmaY=0,    （高斯核在y方向的标准差（sigmaY=0时，其值自动由sigmaX确定（sigmaY=sigmaX）；sigmaY=sigmaX=0时，它们的值将由ksize.width和ksize.height自动确定））
            int    borderType=BORDER_DEFAULT    （像素外插策略，可参考BorderTypes）
             */
        }
        /// <summary>
        /// 启动霍夫圆检测
        /// </summary>
        /// <param name="sender"></param>
        /// <param name="e"></param>
        private void button1_Click(object sender, EventArgs e)
        {
            StartHoughCircles();
        }
        private void StartHoughCircles()
        {
            if (imgscr != null)
            {
                // 霍夫圆检测
                CircleF[] circles = CvInvoke.HoughCircles(imgscr, HoughType.Gradient, (double)numericUpDown3.Value, (double)numericUpDown4.Value, (double)numericUpDown5.Value, (double)numericUpDown6.Value, trackBar6.Value, trackBar5.Value);
                if (circles == null)
                    return;
                Bitmap bmp = new Bitmap(imgscr.Bitmap);
                using Graphics graphics = Graphics.FromImage(bmp);
                using Brush brush = new SolidBrush(Color.Red);
                using Pen pen = new Pen(Color.Red);
                for (int i = 0; i < circles.Length; i++)
                {
                    var circle = circles[i];
                    //var d = circle.Radius * 2;
                    graphics.FillEllipse(brush, new RectangleF(circle.Center.X - 9, circle.Center.Y - 9, 18, 18));
                    //graphics.DrawEllipse(pen, new Rectangle(6, 6, 30, 30));
                    //graphics.DrawRectangle(pen, new Rectangle(30, 36, 50, 50));

                }
                this.pictureBox1.Image = bmp;
            }
            /*public static CircleF[] HoughCircles(
           IInputArray image,//输入图像，8位单通道灰度图像
           HoughType method,//检测方法使用。目前，唯一实现的方法是CV_HOUGH_GRADIENT
           double dp,//累加器分辨率与图像分辨率的反比。例如，如果dp = 1，则累加器具有与输入图像相同的分辨率。如果dp = 2，则累加器的宽度和高度都是一半
           double minDist,//检测到的圆的中心之间的最小距离。太小会多检，太大会漏检
           double param1 = 100,//传递给Canny()检测器的两个阈值中的较高的阈值（较高的是较低的两倍左右）
           double param2 = 100,//检测阶段圆心的累加器阈值。越小，可得到越多的圆
           int minRadius = 0,//最小圆半径
           int maxRadius = 0//最大圆半径
           )*/
        }
        /// <summary>
        /// 开启二值化处理
        /// </summary>
        /// <param name="sender"></param>
        /// <param name="e"></param>
        private void checkBox1_CheckedChanged(object sender, EventArgs e)
        {
            if (checkBox1.Checked && imgscr != null)
            {
                // 二值化
                CvInvoke.Threshold(imgscr, imgscr, trackBar1.Value, trackBar2.Value, ThresholdType.Binary);
                this.pictureBox1.Image = imgscr.Bitmap;
            }

        }
        /// <summary>
        /// 开启高斯滤波
        /// </summary>
        /// <param name="sender"></param>
        /// <param name="e"></param>
        private void checkBox2_CheckedChanged(object sender, EventArgs e)
        {
            if (checkBox2.Checked && imgscr != null && (trackBar4.Value & 1) == 1)
            {
                CvInvoke.GaussianBlur(imgscr, imgscr, new Size(trackBar4.Value, trackBar3.Value), (double)numericUpDown1.Value, (double)numericUpDown2.Value);
                this.pictureBox1.Image = imgscr.Bitmap;
            }
        }
        /// <summary>
        /// 重置
        /// </summary>
        /// <param name="sender"></param>
        /// <param name="e"></param>
        private void button2_Click(object sender, EventArgs e)
        {
            LoadPicture();
            checkBox1.Checked = false;
            checkBox2.Checked = false;

        }
        /// <summary>
        /// 霍夫圆检测-minRadius
        /// </summary>
        /// <param name="sender"></param>
        /// <param name="e"></param>
        private void trackBar6_Scroll(object sender, EventArgs e)
        {
            StartHoughCircles();
            label14.Text = trackBar6.Value.ToString();
        }
        /// <summary>
        /// 霍夫圆检测-maxRadius
        /// </summary>
        /// <param name="sender"></param>
        /// <param name="e"></param>
        private void trackBar5_Scroll(object sender, EventArgs e)
        {
            StartHoughCircles();
            label13.Text = trackBar5.Value.ToString();
        }
        /// <summary>
        /// 启动圆形网格
        /// </summary>
        /// <param name="sender"></param>
        /// <param name="e"></param>
        private void button3_Click(object sender, EventArgs e)
        {
            LoadCirclesGrid();
        }
        private void LoadCirclesGrid()
        {
            if (imgscr != null)
            {
                //InputArray _image:输入图片;    Size patternSize:网格大小;    _centers:提取的网格点中心;  
                //flags:是否为对称网格;           blobDetector:斑点检测器;      parameters:参数
                var feature2D = new SimpleBlobDetector();
                var img = imgscr.ToImage<Gray, Byte>();
                var circles = CvInvoke.FindCirclesGrid(img, new Size(trackBar8.Value, trackBar7.Value), CalibCgType.SymmetricGrid, feature2D);
                if (circles == null)
                    return;
                Bitmap bmp = new Bitmap(imgscr.Bitmap);
                Graphics graphics = Graphics.FromImage(bmp);
                Brush brush = new SolidBrush(Color.Red);
                Pen pen = new Pen(Color.Red);
                for (int i = 0; i < circles.Length; i++)
                {
                    var circle = circles[i];
                    //var d = circle.Radius * 2;
                    graphics.FillEllipse(brush, new RectangleF(circle.X - 9, circle.Y - 9, 18, 18));
                    //graphics.DrawEllipse(pen, new Rectangle(6, 6, 30, 30));
                    //graphics.DrawRectangle(pen, new Rectangle(30, 36, 50, 50));

                }
                this.pictureBox1.Image = bmp;
                pen.Dispose();
                brush.Dispose();
                graphics.Dispose();
                feature2D.Dispose();
                img.Dispose();
            }
        }
        /// <summary>
        /// 图片路径
        /// </summary>
        private string imgPath = string.Empty;
        /// <summary>
        /// 选择图像
        /// </summary>
        /// <param name="sender"></param>
        /// <param name="e"></param>
        private void button4_Click(object sender, EventArgs e)
        {
            OpenFileDialog ofd = new OpenFileDialog();
            ofd.Multiselect = true;
            ofd.Title = "打开一幅图像";
            ofd.Filter = "图片(*.jpg,*.gif,*.bmp)|*.jpg;*.gif;*.bmp";
            if (ofd.ShowDialog() == DialogResult.OK)
            {
                imgPath = ofd.FileName;
                label21.Text = imgPath;
                LoadPicture();
            }
        }

        private void trackBar8_Scroll(object sender, EventArgs e)
        {
            label25.Text = trackBar8.Value.ToString();
            LoadCirclesGrid();
        }

        private void trackBar7_Scroll(object sender, EventArgs e)
        {
            label24.Text = trackBar7.Value.ToString();
            LoadCirclesGrid();
        }
    }

结果如下：

网格提取

 霍夫圆：

 需要代码私。

 

游子吟i
关注
C#基于OpenCV实现的图片识别功能.zip
05-11
C#基于OpenCV实现的图片识别功能。 学习示例： 脸部+眼部检测 马路行人检测 特征匹配（示例：微信“跳一跳”棋子匹配） C#基于OpenCV实现的图片识别功能。 学习示例： 脸部+眼部检测 马路行人检测 特征匹配（示例：微信“跳一跳”棋子匹配） C#基于OpenCV实现的图片识别功能。 学习示例： 脸部+眼部检测 马路行人检测 特征匹配（示例：微信“跳一跳”棋子匹配） C#基于OpenCV实现的图片识别功能。 学习示例： 脸部+眼部检测 马路行人检测 特征匹配（示例：微信“跳一跳”棋子匹配） C#基于OpenCV实现的图片识别功能。 学习示例： 脸部+眼部检测 马路行人检测 特征匹配（示例：微信“跳一跳”棋子匹配） C#基于OpenCV实现的图片识别功能。 学习示例： 脸部+眼部检测 马路行人检测 特征匹配（示例：微信“跳一跳”棋子匹配） C#基于OpenCV实现的图片识别功能。 学习示例： 脸部+眼部检测 马路行人检测 特征匹配（示例：微信“跳一跳”棋子匹配） C#基于OpenCV实现的图片识别功能。 学习示例： 脸部+眼
OpenCV之圆的检测识别
KillMeHealMe的博客
11-26 3909
整个具体流程大概是获取图像-->图像二值化，灰度图(cvtColor)-->图像降噪(GaussianBlur)->轮廓识别(cvFindContours)-->形状判断 识别圆 在识别圆方面，OpenCV有内置的方法即霍夫圆变化： HoughCircles(edges, circles, CV_HOUGH_GRADIENT, 1.5, 10, 200, 100, ...
OpenCV识别复杂圆中的球形并标注
最新发布
babyai996的博客
12-12 388
OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，支持多种编程语言，包括C++、Python等。它提供了丰富的图像处理和计算机视觉算法，包括图像滤波、边缘检测、特征提取、目标跟踪等。OpenCV还提供了对摄像头的访问接口，方便实时图像处理。
C# 使用OpenCV基本图像操作功能
海盗Sharp的博客
05-01 3892
OpenCV是一个开源的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作系统上。C#在上位机开发中比较常用，有些项目需要在上位机上加入一些机器视觉相关的功能，在下面简单介绍了C#中使用OpenCV库的方法。
C# 使用opencv从图片识别人脸示例
chenhao0568的专栏
07-24 1899
解压后需要这个文件D:\\test\\opencv-4.8.0\\data\\haarcascades\\haarcascade_frontalface_default.xml。需要安装Emgu.CV(编译时用)和Emgu.CV.runtime.windows(运行时用，不然会报缺少dll)看来想简单使用这些前沿技术，应用到实际项目中也没有那么容易。通过改参数，看看结果是高了还是低了，来决定最终的参数。准备一张图片 有人脸的image.jpg。还有的图片没有检测出来，怎么办呢？
OpenCV图像识别小案例
热门推荐
百锦再的博客
12-01 1万+
Opencv识图小案例，抛砖引玉，带你走进Opencv大门
5步教你用 C# 和 OpenCvSharp 实现图像识别
java专栏
09-27 1836
🔥关注墨瑾轩，带你探索编程的奥秘！🚀🔥超萌技术攻略，轻松晋级编程高手🚀🔥技术宝库已备好，就等你来挖掘🚀🔥订阅墨瑾轩，智趣学习不孤单🚀🔥即刻启航，编程之旅更有趣🚀。
VS C# OpenCV图像识别+文字打印
12-24
【标题】"VS C# OpenCV图像识别+文字打印"涉及的是使用Visual Studio（VS）2013、C#编程语言以及OpenCV库进行图像处理和识别的应用。OpenCV是一个开源的计算机视觉库，它提供了丰富的功能，包括图像处理、特征检测、...
C#版本Opencv图像识别技术
09-07
本项目是运用netcore 3.1 搭建，C#语言，不可多得的自研答题卡识别技术。目前已经实现答题卡的锚点扫描，匹配，图像校正，答题卡定位，投影波峰计算以及填涂区域的结果返回。 内含netcore项目搭建的一套流程，研究...
c# 使用OpenCV识别硬币.docx
01-13
c# 使用 OpenCV 识别硬币 在本篇文章中，我们将介绍如何使用 c# 和 OpenCV 实现硬币识别。硬币识别是计算机视觉领域中的一个经典问题，广泛应用于自动化支付系统、物流管理等领域。为了实现硬币识别，我们将使用 ...
C# OpenCVCsharp 图片内圆形识别并裁剪 ，源码
12-14
在本文中，我们将深入探讨如何使用C#编程语言与OpenCV库（OpenCVCsharp）进行集成，以实现图片中的圆形识别和裁剪功能。OpenCV是一个强大的计算机视觉库，它提供了丰富的图像处理和模式识别功能。C#作为.NET框架的一...
C#调用opencv库实现读入图像
机器视觉
02-28 1907
最开始测试的时候只添加了OpenCvSharp4和OpenCvSharp4.Extensions，在调试的时候会报错。在button按钮里面增加弹出对话框，选择图片，读入图片显示在界面的功能。在窗体上添加一个picturebox控件和一个button按钮。在引用里面鼠标右键，点击管理NuGet程序包。在弹出的对话框中点击浏览，输入关键词搜索，安装。的话，描述信息里面有提示，还需要额外安装。安装完成后，会发现引用里面多了些库。在顶部添加opencv库的命名空间。也就是说，可以选择安装。输入关键词搜索，安装。
C#-opencvsharp-图像中的数字提取
JAYLEE900的博客
01-31 3237
本人c#-opencvsharp对图像进行数字抠取及数字特征识别，并添加至原图，同时通过参考python中的轮廓排序，自定了一个简易版轮廓排序函数，欢迎大家问题反馈哦
opencv 图像识别
花生日记
05-16 6728
opencv是一个免费的库，但是有限制，它只支持 Linux和 Mac OS操作系统，不过它可以在其他系统下使用，也就是说，你可以在 Windows和 Linux下运行 opencv。要配置 opencv，您需要编写一个名为 opencv. dll的文件并将其下载到您的计算机上。如果您想在计算机上配置 OpenCV库并在本地电脑中使用其功能，请执行以下命令： 在 Python中运行以上命令并将其添加到您的项目中： 如果您要使用 opencv库进行图像识别，请访问 OpenCV库网站以获取更多信息。
C#图像处理：OpenCVSharp实践教程——颜色物体识别与跟踪
AhTf__的博客
09-19 1002
首先，我们获取目标物体的轮廓特征属性，并在原图上进行标记。然后，利用颜色信息进行物体的识别与跟踪。通过这些示例代码，你可以快速上手使用OpenCVSharp进行图像处理，并进一步扩展应用。图像处理是计算机视觉领域的重要应用之一，而OpenCVSharp作为C#开发者常用的图像处理库，提供了丰富的功能和工具。本教程将介绍如何使用OpenCVSharp进行颜色物体识别与跟踪，并给出相应的源代码示例。函数检测轮廓，并利用一些条件过滤掉不符合要求的轮廓。函数将掩膜应用到原图上，得到只包含目标颜色物体的图像。
图像识别（opencv）使用指南
qq_45983960的博客
05-31 847
python和opencv的配置安装：Anaconda全家桶，直接百度搜索anaconda进入官网下载需要的版本就可以下载安装（比较大，可以下载到D盘或其他盘）本次介绍以Anaconda3为例。（所有需要使用pip install 安装时均可以使用源，并使用。如果没有安装则直接在scripts下输入pip install（ 加名称）==（加版本号）（或使用源安装会快些）等待自动安装即可。也可到这 https://pypi.tuna.tsinghua.edu.cn/simple/opencv-python/
C#联合Opencv 图像边缘检测
无能狂怒博客
10-11 1188
边缘处理
EmguCV-C#版本Opencv图像识别和处理
panjinliang066333的博客
09-11 1408
软件版本：VS2017及其以上。
C# 与 OpenCV：图像处理技术的终极指南
java专栏
08-27 1547
大家好呀！今天我们就来聊聊如何使用 C# 和 OpenCV 进行图像处理。无论你是新手还是有一定基础的开发者，这篇文章都将带领你一步一步地了解图像处理的基本概念，并教你如何编写代码来实现图像处理任务！OpenCV (Open Source Computer Vision Library) 是一个开源的计算机视觉库，它可以用来实现各种图像处理任务。由于它功能强大且易于使用，因此非常受欢迎。小伙伴们，我们现在已经一起完成了 C# 与 OpenCV 的图像处理之旅！
使用VS C#实现OpenCV的圆形图案图像识别与文字打印
首先，“VS C# OpenCV图像识别+文字打印”指的是使用Visual Studio中的C#编程语言与OpenCV库一起开发的一个图像处理应用程序。OpenCV是一个开源的计算机视觉和机器学习软件库，它包含了诸多计算机视觉常用的算法，...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值