opencv 边缘检测

最新推荐文章于 2024-09-12 21:43:49 发布
最新推荐文章于 2024-09-12 21:43:49 发布
阅读量249 收藏 1
点赞数
分类专栏： OpenCV
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/greless/article/details/115675464
版权 

// findControl.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。
//

#include "pch.h"
#include <iostream>
#include <opencv2/opencv.hpp>

//#pragma comment(lib,"../lib/opencv_calib3d2413d.lib")
//#pragma comment(lib,"../lib/opencv_contrib2413d.lib")
#pragma comment(lib,"../lib/opencv_core2413d.lib")
//#pragma comment(lib,"../lib/opencv_features2d2413d.lib")
//#pragma comment(lib,"../lib/opencv_flann2413d.lib")
//#pragma comment(lib,"../lib/opencv_gpu2413d.lib")
#pragma comment(lib,"../lib/opencv_highgui2413d.lib")
#pragma comment(lib,"../lib/opencv_imgproc2413d.lib")
//#pragma comment(lib,"../lib/opencv_legacy2413d.lib")
//#pragma comment(lib,"../lib/opencv_ml2413d.lib")
using namespace cv;
using namespace std;
//#pragma comment(linker, "/subsystem:\"windows\" /entry:\"mainCRTStartup\"")
#include <windows.h>
//#include <mmsystem.h>
 
//#pragma comment(lib, "winmm.lib")

/* 
int Otsu(IplImage* src)
{
	int height = src->height;
	int width = src->width;

	float histogram[256] = { 0 };
	for (int i = 0; i < height; i++)
	{
		unsigned char *p = (unsigned char*)src->imageData + src->widthStep*i;
		for (int j = 0; j < width; j++)
			histogram[*p++]++;
	}

	int size = height * width;
	for (int i = 0; i < 256; i++)
		histogram[i] = histogram[i] / size;

	float avgValue = 0;
	for (int i = 0; i < 256; i++)
		avgValue = avgValue + i * histogram[i];  //整幅图像的平均灰度         

	int threshold;
	float maxVariance = 0;
	float w = 0, u = 0;
	for (int i = 0; i < 256; i++)
	{
		w = w + histogram[i];  //假设当前灰度i为阈值, 0~i 灰度的像素(假设像素值在此范围的像素叫做前景像素) 所占整幅图像的比例    
		u = u + i * histogram[i];  // 灰度i 之前的像素(0~i)的平均灰度值： 前景像素的平均灰度值    

		float t = avgValue * w - u;
		float variance = t * t / (w*(1 - w));
		if (variance > maxVariance)
		{
			maxVariance = variance;
			threshold = i;
		}
	}
	return threshold;
}
  //可以使图像膨胀 找边缘
int main(int argc, char** argv)
{
	IplImage *img_in = cvLoadImage("c:\\layer.png");
	cvNamedWindow("img_in");
	cvShowImage("img_in", img_in);

	IplImage *img_gray = cvCreateImage(cvGetSize(img_in), 8, 1);

	int thresh = Otsu(img_in); //求平均灰度的函数
	cvCvtColor(img_in, img_gray, CV_BGR2GRAY);
	cvThreshold(img_gray, img_gray, thresh, 255, CV_THRESH_BINARY_INV);
	 cvDilate(img_gray, img_gray, 0, 2);//可以使图像膨胀，获得更大的连通区域
	cvNamedWindow("img_gray");
	cvShowImage("img_gray", img_gray);

	CvSeq *pContour = NULL;
	CvSeq *pConInner = NULL;
	CvMemStorage *pStorage = NULL;
	pStorage = cvCreateMemStorage(0);
	cvFindContours(img_gray, pStorage, &pContour, sizeof(CvContour), CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE);
	cvDrawContours(img_gray, pContour, CV_RGB(255, 255, 255), CV_RGB(255, 255, 255), 2);
	cvNamedWindow("img_gray2");
	cvShowImage("img_gray2", img_gray);

	for (; pContour != NULL; pContour = pContour->h_next)
	{
		CvRect rect = cvBoundingRect(pContour, 0);
		cvRectangle(img_in, cvPoint(rect.x, rect.y), cvPoint(rect.x + rect.width, rect.y + rect.height), CV_RGB(0, 0, 255));
	}

	cvNamedWindow("img_gray3");
	cvShowImage("img_gray3", img_in);

	cvWaitKey();
	return 0;
}
*/
 

IplImage *g_pGrayImage = NULL;
const char *pstrWindowsBinaryTitle = "二值图";
const char *pstrWindowsOutLineTitle = "轮廓图 ";
CvSeq *g_pcvSeq = NULL;

void on_trackbar(int pos)
{
	// 转为二值图
	IplImage *pBinaryImage = cvCreateImage(cvGetSize(g_pGrayImage), IPL_DEPTH_8U, 1);
	cvThreshold(g_pGrayImage, pBinaryImage, pos, 255, CV_THRESH_BINARY);
	// 显示二值图
	cvShowImage(pstrWindowsBinaryTitle, pBinaryImage);
	cvSaveImage("c:\\Binary.png", pBinaryImage);

	CvMemStorage* cvMStorage = cvCreateMemStorage();
	// 检索轮廓并返回检测到的轮廓的个数
	cvFindContours(pBinaryImage, cvMStorage, &g_pcvSeq);
	 
	IplImage *pOutlineImage = cvCreateImage(cvGetSize(g_pGrayImage), IPL_DEPTH_8U, 3);
	int _levels = 5;
	cvZero(pOutlineImage);
	//cvDrawContours(pOutlineImage, g_pcvSeq, CV_RGB(255, 0, 0), CV_RGB(0, 255, 0), _levels);
	int index = 1;
	system("cls");
	for (; g_pcvSeq != NULL; g_pcvSeq = g_pcvSeq->h_next)
	{
		
		CvRect rect = cvBoundingRect(g_pcvSeq, 0);
	 //	if(rect.height<21 || rect.height>38)
	//		continue; 
		printf("index=%d:x=%d,y=%d,w=%d,h=%d\n", index++,rect.x,rect.y, rect.width, rect.height);
		cvRectangle(pOutlineImage, cvPoint(rect.x, rect.y), cvPoint(rect.x + rect.width, rect.y + rect.height), CV_RGB(255, 255, 0));
	}
	
	cvShowImage(pstrWindowsOutLineTitle, pOutlineImage);
	cvSaveImage("c:\\Outline.png", pOutlineImage);

	cvReleaseMemStorage(&cvMStorage);
	cvReleaseImage(&pBinaryImage);
	cvReleaseImage(&pOutlineImage);
}

int main(int argc, char** argv)
{
	const char *pstrWindowsSrcTitle = "原图";
	const char *pstrWindowsToolBarName = "二值化";

	// 从文件中加载原图
	IplImage *pSrcImage = cvLoadImage("c:\\1.png", CV_LOAD_IMAGE_UNCHANGED);
	// 显示原图
	cvNamedWindow(pstrWindowsSrcTitle, CV_WINDOW_AUTOSIZE);
	cvShowImage(pstrWindowsSrcTitle, pSrcImage);
	
	// 转为灰度图
	g_pGrayImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 1);
	cvCvtColor(pSrcImage, g_pGrayImage, CV_BGR2GRAY);

	cvNamedWindow("灰度", CV_WINDOW_AUTOSIZE);
	cvShowImage("灰度", g_pGrayImage);
	cvSaveImage("c:\\Gray.png", g_pGrayImage);

	// 创建二值图和轮廓图窗口
	cvNamedWindow(pstrWindowsBinaryTitle, CV_WINDOW_AUTOSIZE);
	cvNamedWindow(pstrWindowsOutLineTitle, CV_WINDOW_AUTOSIZE);


	// 滑动条	
	int nThreshold = 0;
	cvCreateTrackbar(pstrWindowsToolBarName, pstrWindowsBinaryTitle, &nThreshold, 254, on_trackbar);

	on_trackbar(0);

	cvWaitKey(0);

	cvDestroyWindow(pstrWindowsSrcTitle);
	cvDestroyWindow(pstrWindowsBinaryTitle);
	cvDestroyWindow(pstrWindowsOutLineTitle);
	cvReleaseImage(&pSrcImage);
	cvReleaseImage(&g_pGrayImage);
	return 0;
}
 

  
/*  //
int main(int argc, char** argv)
{
	const char *pstrWindowsSrcTitle = "原图(http://blog.csdn.net/MoreWindows)";
	const char *pstrWindowsOutLineTitle = "轮廓图(http://blog.csdn.net/MoreWindows)";

	const int IMAGE_WIDTH = 400;
	const int IMAGE_HEIGHT = 200;

	// 创建图像
	IplImage *pSrcImage = cvCreateImage(cvSize(IMAGE_WIDTH, IMAGE_HEIGHT), IPL_DEPTH_8U, 3);
	// 填充成白色
	cvRectangle(pSrcImage, cvPoint(0, 0), cvPoint(pSrcImage->width, pSrcImage->height), CV_RGB(255, 255, 255), CV_FILLED);
	// 画圆
	CvPoint ptCircleCenter = cvPoint(IMAGE_WIDTH / 4, IMAGE_HEIGHT / 2);
	int nRadius = 80;
	cvCircle(pSrcImage, ptCircleCenter, nRadius, CV_RGB(255, 255, 0), CV_FILLED);
	ptCircleCenter = cvPoint(IMAGE_WIDTH / 4, IMAGE_HEIGHT / 2);
	nRadius = 30;
	cvCircle(pSrcImage, ptCircleCenter, nRadius, CV_RGB(255, 255, 255), CV_FILLED);
	// 画矩形
	CvPoint ptLeftTop = cvPoint(IMAGE_WIDTH / 2 + 20, 20);
	CvPoint ptRightBottom = cvPoint(IMAGE_WIDTH - 20, IMAGE_HEIGHT - 20);
	cvRectangle(pSrcImage, ptLeftTop, ptRightBottom, CV_RGB(0, 255, 255), CV_FILLED);
	ptLeftTop = cvPoint(IMAGE_WIDTH / 2 + 60, 40);
	ptRightBottom = cvPoint(IMAGE_WIDTH - 60, IMAGE_HEIGHT - 40);
	cvRectangle(pSrcImage, ptLeftTop, ptRightBottom, CV_RGB(255, 255, 255), CV_FILLED);
	// 显示原图
	cvNamedWindow(pstrWindowsSrcTitle, CV_WINDOW_AUTOSIZE);
	cvShowImage(pstrWindowsSrcTitle, pSrcImage);


	// 转为灰度图
	IplImage *pGrayImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 1);
	cvCvtColor(pSrcImage, pGrayImage, CV_BGR2GRAY);
	// 转为二值图
	IplImage *pBinaryImage = cvCreateImage(cvGetSize(pGrayImage), IPL_DEPTH_8U, 1);
	cvThreshold(pGrayImage, pBinaryImage, 250, 255, CV_THRESH_BINARY);


	// 检索轮廓并返回检测到的轮廓的个数
	CvMemStorage *pcvMStorage = cvCreateMemStorage();
	CvSeq *pcvSeq = NULL;
	cvFindContours(pBinaryImage, pcvMStorage, &pcvSeq, sizeof(CvContour), CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, cvPoint(0, 0));

	// 画轮廓图
	IplImage *pOutlineImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 3);
	int nLevels = 5;
	// 填充成白色
	cvRectangle(pOutlineImage, cvPoint(0, 0), cvPoint(pOutlineImage->width, pOutlineImage->height), CV_RGB(255, 255, 255), CV_FILLED);
	cvDrawContours(pOutlineImage, pcvSeq, CV_RGB(255, 0, 0), CV_RGB(0, 255, 0), nLevels, 2);
	// 显示轮廓图
	cvNamedWindow(pstrWindowsOutLineTitle, CV_WINDOW_AUTOSIZE);
	cvShowImage(pstrWindowsOutLineTitle, pOutlineImage);


	cvWaitKey(0);

	cvReleaseMemStorage(&pcvMStorage);

	cvDestroyWindow(pstrWindowsSrcTitle);
	cvDestroyWindow(pstrWindowsOutLineTitle);
	cvReleaseImage(&pSrcImage);
	cvReleaseImage(&pGrayImage);
	cvReleaseImage(&pBinaryImage);
	cvReleaseImage(&pOutlineImage);
	return 0;
}
 */

 

Greless
关注
专栏目录
OpenCV—边缘检测
winter980813的博客
05-01 496
OpenCV—边缘检测 1 什么是边缘？ 边缘是图像强度函数快速变化的地方 2 如何检测边缘？ 为了检测边缘，我们需要检测图像中的不连续性，可以使用导数来检测不连续性。 3 算法理论介绍与推荐 3.1 Sobel算子 我们可以使用3×33 \times 33×3 的卷积核来进行图像求导： $$ {\displaystyle \mathbf {G}’{y}={ \begin{bmatrix}+1&a...
OpenCV 边缘检测
12-25
其中OpenCV提供了许多边缘检测滤波函数，这些滤波函数都会将非边缘区域转为黑色，将边缘区域转为白色或其他饱和的颜色。 不过这些滤波函数都很容易将噪声错误地识别为边缘，所以需要进行模糊处理。 本次的模糊操作...
opencv之边缘检测
cjj1130320082的博客
07-23 642
Canny检测 发展: Canny 的目标是找到一个最优的边缘检测算法，最优边缘检测的含义是： 好的检测- 算法能够尽可能多地标识出图像中的实际边缘。 好的定位- 标识出的边缘要尽可能与实际图像中的实际边缘尽可能接近。 最小响应- 图像中的边缘只能标识一次，并且可能存在的图像噪声不应标识为边缘。 为了满足这些要求 Canny 使用了变分法，这是一种寻找满足特定功能的函数的方法。
opencv-python学习笔记8-图像边缘检测
最新发布
The_xz的博客
09-12 1477
在OpenCV中，图像边缘检测是一个重要的图像处理技术，它可以帮助识别图像中的物体边界。降噪：边缘检测容易受到图像噪声的影响，因此通常首先使用高斯滤波器对图像进行平滑处理以减少噪声。求图像的强度梯度：通过应用Sobel算子或其他梯度算子来计算图像的梯度。这通常涉及到计算图像在水平和垂直方向的一阶导数。非极大值抑制：在这一步中，算法会检查图像中的每个像素，并仅保留梯度方向上局部最大值的像素，这样可以细化边缘。双阈值：使用两个阈值来确定强边缘和弱边缘。
opencv--边缘检测
gg13213的博客
03-23 3890
opencv--边缘检测1 边缘检测原理2 Sobel检测算子2.1 Sobel检测方法2.2 应用3 Laplacian算子4. Canny边缘检测4.1 原理4.2应用5 算子比较 1 边缘检测原理 边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。 边缘的表现形式如下所示： 优势：图像边缘检测大幅度地减少了数据量，并且剔除了可以认定为不相关地信息，还可以保留图像重要地结构属性。 用于边缘检测的方法可以分
【OpenCV】边缘检测
笔尖的博客
11-10 838
Sobel一阶导数、拉普拉斯二阶导数、Canny算子
OpenCV：边缘检测
简单随风的博客
06-11 626
使用OpenCV自带函数完成边缘检测 import cv2 import numpy as np import random img = cv2.imread('test.png',1) imgInfo = img.shape height = imgInfo[0] width = imgInfo[1] cv2.imshow('image0',img) gray = cv2.cvtColo...
ios-opencv边缘检测
06-06
本项目"ios-opencv边缘检测"就是这样一个实例，它使用Xcode构建了一个完整的iOS应用，专注于通过OpenCV实现图像的边缘检测。下面将详细阐述这个项目中的关键知识点。 1. **iOS开发环境**：项目基于Apple的Xcode集成...
【C++】OpenCV边缘检测示例程序 by浅墨
05-11
博文《【OpenCV入门教程之十二】OpenCV边缘检测：Canny算子,Sobel算子,Laplace算子,Scharr滤波器合辑》的配套详细注释源代码。 博文链接： http://blog.csdn.net/poem_qianmo/article/details/25560901 1.已将dll...
android+opencv边缘检测
08-22
【Android + OpenCV 边缘检测】 Android与OpenCV结合使用可以实现强大的图像处理功能，例如边缘检测。OpenCV是一个开源计算机视觉库，它包含了众多的图像和视频处理算法，适用于各种平台，包括Android。本项目是...
OpenCV 之 边缘检测
weixin_30594001的博客
06-05 142
1 图像边缘 上一篇 OpenCV 之 图像平滑 中，提到的图像平滑，从信号处理的角度来看，实际上是一种“低通滤波器”。 本篇中，数字图像的边缘，通常都是像素值变化剧烈的区域 (“高频”)，故可将边缘检测视为一种 “高通滤波器”。 现实中，对应于像素值变化剧烈的情况如下： 1) 深度的不连续 (物体处在不同的物平面上) 2) 表面方向的不连续 (例如，正方体...
OpenCV边缘检测
Exclaiming的博客
09-30 769
#include&lt;opencv2/opencv.hpp&gt; #include&lt;opencv2/imgproc/imgproc.hpp&gt; using namespace cv; int main() { //1.载入图片 Mat img=imread("2.jpg");; Mat img1; resize(img,img1,Size(800,600)); imsh...
opencv边缘检测
LIEY
11-11 248
边缘检测的一般步骤 滤波：边缘检测的算法主要是基于图像强度的一阶和二阶导数，但导数通常对噪声很敏感，因此必须采用滤波器来改善与噪声有关的边缘检测器的性能。 增强：增强边缘的基础是确定图像各点邻域强度的变化值。增强算法可以将图像灰度点邻域强度值有显著变化的点凸显出来。在具体编程实现时，可通过计算梯度幅值来确定。 检测：经过增强的图像，往往邻域中有很多点的梯度值比较大，而在特定的应用中，这...
opencv 边缘检测
luoganttcc的博客
03-19 311
#coding=utf-8 import cv2 import numpy as np img = cv2.imread("lu.jpeg", 1) img = cv2.GaussianBlur(img,(3,3),0) canny = cv2.Canny(img, 50, 150) cv2.imshow('Canny', canny) cv2.waitKey(0) cv2.des...
评论
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