找到上图中紧固线和螺栓的位置
#include <string>
#include <iostream>
#include <sstream>
#include <opencv.hpp>
using namespace std;
using namespace cv;
Mat srcImage, canImage, grayImage, threImage, dstImage, dstImage1, dstImage2;
int size;
void finding(int, void*)
{
cvtColor(srcImage, grayImage, COLOR_RGB2GRAY);//灰度化
imshow("灰度图", grayImage);
//threshold(grayImage, threImage, 100, 200, CV_THRESH_BINARY);//二值化
//imshow("二值图", threImage);
Canny(grayImage, canImage, size, 255);
//imshow("轮廓提取图", canImage);
// cvtColor(canImage, dstImage1, CV_GRAY2BGR);//转化边缘检测后的图为灰度图
cvtColor(canImage, dstImage, CV_GRAY2BGR);//转化边缘检测后的图为灰度图
//霍夫线变换
vector<Vec2f> lines;//定义一个矢量结构lines用于存放得到的线段矢量集合
HoughLines(canImage, lines, 1, CV_PI / 180, 110, 0, 0);
/*image:边缘检测的输出图像. 它应该是个灰度图 (但事实上是个二值化图)
lines:储存着检测到的直线的参数对 的容器
rho : 参数极径 以像素值为单位的分辨率.我们使用 1 像素.
theta : 参数极角 以弧度为单位的分辨率.我们使用 1度 (即CV_PI / 180)
threshold : 要”检测” 一条直线所需最少的的曲线交点*/
for (size_t i = 0; i < lines.size(); i++)
{
float rho = lines[i][0];
float theta = lines[i][1];
Point pt1, pt2;
double a = cos(theta), b = sin(theta);
double x0 = a * rho, y0 = b * rho;
pt1.x = cvRound(x0 + 1000 * (-b));
pt1.y = cvRound(y0 + 1000 * (a));
pt2.x = cvRound(x0 - 1000 * (-b));
pt2.y = cvRound(y0 - 1000 * (a));
line(dstImage, pt1, pt2, Scalar(55, 100, 195), 1, CV_AA);
}
// vector<Vec4i> lines;
// HoughLinesP(canImage, lines, 1, CV_PI / 180, 100, 100, 50);
// for (size_t i = 0; i < lines.size(); i++)
// {
// Vec4i l = lines[i];//Vec4i 就是Vec<int, 4>,里面存放4个int
// line(dstImage, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(0, 0, 255), 1, CV_AA);
// }
namedWindow("直线效果图", 0);
// imshow("直线效果图", dstImage1);
// cvtColor(canImage, dstImage2, CV_GRAY2BGR);//转化边缘检测后的图为灰度图
vector<Vec3f> circles;
//霍夫圆变换
/*
第一个参数,InputArray类型的image,输入图像,即源图像,需为8位的灰度单通道图像。
第二个参数,InputArray类型的circles,经过调用HoughCircles函数后此参数存储了检测到的圆的输出矢量,
每个矢量由包含了3个元素的浮点矢量(x, y, radius)表示。
第三个参数,int类型的method,即使用的检测方法,目前OpenCV中就霍夫梯度法一种可以使用,它的标识符为
CV_HOUGH_GRADIENT,在此参数处填这个标识符即可。
第四个参数,double类型的dp,用来检测圆心的累加器图像的分辨率于输入图像之比的倒数,且此参数允许创建
一个比输入图像分辨率低的累加器。上述文字不好理解的话,来看例子吧。例如,如果dp= 1时,
累加器和输入图像具有相同的分辨率。如果dp=2,累加器便有输入图像一半那么大的宽度和高度。
第五个参数,double类型的minDist,为霍夫变换检测到的圆的圆心之间的最小距离,即让我们的算法能明显区分的
两个不同圆之间的最小距离。这个参数如果太小的话,多个相邻的圆可能被错误地检测成了一个重合的
圆。反之,这个参数设置太大的话,某些圆就不能被检测出来了。
第六个参数,double类型的param1,有默认值100。它是第三个参数method设置的检测方法的对应的参数。对当前
唯一的方法霍夫梯度法CV_HOUGH_GRADIENT,它表示传递给canny边缘检测算子的高阈值,而低阈值为高阈值的一半。
第七个参数,double类型的param2,也有默认值100。它是第三个参数method设置的检测方法的对应的参数。对当前
唯一的方法霍夫梯度法CV_HOUGH_GRADIENT,它表示在检测阶段圆心的累加器阈值。它越小的话,就可以检测到更多
根本不存在的圆,而它越大的话,能通过检测的圆就更加接近完美的圆形了。
第八个参数,int类型的minRadius,有默认值0,表示圆半径的最小值。
第九个参数,int类型的maxRadius,也有默认值0,表示圆半径的最大值。*/
HoughCircles(canImage, circles, CV_HOUGH_GRADIENT, 1, canImage.rows / 5, 100, 30, 0, 50);
//在原图中画出圆心和圆
for (size_t j = 0; j < circles.size(); j++)
{
//提取出圆心坐标
Point center(round(circles[j][0]), round(circles[j][1]));
//提取出圆半径
int radius = round(circles[j][2]);
//圆心
circle(dstImage, center, 3, Scalar(0, 255, 0), -1, 4, 0);
//圆
circle(dstImage, center, radius, Scalar(255, 0, 0), 3, 4, 0);
//cout << center << endl;
}
// namedWindow("圆效果图", 0);
// imshow("圆效果图", dstImage2);
namedWindow("效果图", 0);
imshow("效果图", dstImage);
}
void main()
{
srcImage = imread("Source.jpg");
//namedWindow("轮廓提取图", CV_WINDOW_AUTOSIZE);
namedWindow("轮廓提取图", 0);
createTrackbar("size", "轮廓提取图", &size, 255, finding);
finding(0, 0);
waitKey(0);
}
调节阈值可以达到初步的效果