imgproc模块--轮廓矩

最新推荐文章于 2023-06-29 16:23:26 发布

nnUyi

最新推荐文章于 2023-06-29 16:23:26 发布

阅读量458

点赞数

分类专栏： opencv学习笔记文章标签： opencv 图像处理

opencv学习笔记专栏收录该内容

33 篇文章 0 订阅

订阅专栏

本文详细介绍了如何使用OpenCV进行轮廓矩的计算，包括空间矩、中心矩和归一化中心矩的计算，并提供了完整的代码实现。通过计算图像的moments函数获取轮廓信息，同时探讨了contoursArea计算轮廓面积以及arcLength计算曲线长度的方法。

摘要由CSDN通过智能技术生成

1.目的
（1）使用openCV函数moments计算图像所有的矩
（2）使用openCV函数contoursArea计算轮廓面积
（3）使用openCV函数arcLength计算曲线或者轮廓长度

2.原理
[1]空间矩的计算

[2]中心矩的计算

其中：
这里写图片描述

[3]归一化的中心矩的计算
归一化中心矩

在openCV中
// 空间矩 double m00, m10, m01, m20, m11, m02, m30, m21, m12, m03;
// 中心矩 double mu20, mu11, mu02, mu30, mu21, mu12, mu03;
// 中心归一化矩 double nu20, nu11, nu02, nu30, nu21, nu12, nu03;

3.完整代码
（1）CommonInclude.h

#ifndef COMMON_INCLUDE
#define COMMON_INCLUDE
#include<iostream>
#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace std;
using namespace cv;
#endif

（2）ContoursMoment.cpp

#include "CommonInclude.h"

Mat src; Mat src_gray;
int thresh = 100;
int max_thresh = 255;
RNG rng(12345);

/** @thresh_callback 函数 */
void thresh_callback(int, void* )
{
    Mat canny_output;
    vector<vector<Point> > contours;
    vector<Vec4i> hierarchy;

    /// 使用Canndy检测边缘
    Canny( src_gray, canny_output, thresh, thresh*2, 3 );
    /// 找到轮廓
    findContours( canny_output, contours, hierarchy, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, Point(0, 0) );

    /// 计算矩
    vector<Moments> mu(contours.size() );
    for( int i = 0; i < contours.size(); i++ )
    { 
        mu[i] = moments( contours[i], false );
    }

    ///  计算质心:
    vector<Point2f> mc( contours.size() );
    for( int i = 0; i < contours.size(); i++ )
    {
        mc[i] = Point2f( mu[i].m10/mu[i].m00 , mu[i].m01/mu[i].m00 );
    }

    /// 绘制轮廓
    Mat drawing = Mat::zeros( canny_output.size(), CV_8UC3 );
    for( int i = 0; i< contours.size(); i++ )
    {
        Scalar color = Scalar( rng.uniform(0, 255), rng.uniform(0,255), rng.uniform(0,255) );
        drawContours( drawing, contours, i, color, 2, 8, hierarchy, 0, Point() );
        circle( drawing, mc[i], 4, color, -1, 8, 0 );
    }

    /// 显示到窗口中
    namedWindow( "Contours", CV_WINDOW_AUTOSIZE );
    imshow( "Contours", drawing );

    /// 通过m00计算轮廓面积并且和OpenCV函数比较
    printf("\t Info: Area and Contour Length \n");
    for( int i = 0; i< contours.size(); i++ )
    {
        printf(" * Contour[%d] - Area (M_00) = %.2f - Area OpenCV: %.2f - Length: %.2f \n", i, mu[i].m00, contourArea(contours[i]), arcLength( contours[i], true ) );
    }
}

/** @主函数 */
int main( int argc, char** argv )
{
    /// 读入原图像, 返回3通道图像数据
    src = imread( argv[1], 1 );

    /// 把原图像转化成灰度图像并进行平滑
    cvtColor( src, src_gray, CV_BGR2GRAY );
    blur( src_gray, src_gray, Size(3,3) );

    /// 创建新窗口
    char* source_window = "Source";
    namedWindow( source_window, CV_WINDOW_AUTOSIZE );
    imshow( source_window, src );

    createTrackbar( " Canny thresh:", "Source", &thresh, max_thresh, thresh_callback );
    thresh_callback( 0, 0 );

    waitKey(0);
    return(0);
}