opencv学习（一）连通域分割及移动

连通域分割原理：
将图像二值化，并用connectedComponentsWithStats算子进行分割，将二值图分割成label，可以取label中的任何一块，如果要进行区域筛选，现成的Stats中有面积和长宽，其他特征（圆度，凸度。。。。。。）该如何选择，还有待继续研究；
连通域的旋转平移用仿射变换函数warpAffine，理解warpAffine的关键在于对第三个参数的理解，它是一个2*3的矩阵，

（1）平移，将每一点移到到（x+t , y+t)，变换矩阵为

(2)缩放变换  将每一点的横坐标放大或缩小s_x倍，纵坐标放大（缩小）到s_y倍，变换矩阵为

（3）旋转变换原点：目标图形围绕原点顺时针旋转Θ 弧度，变换矩阵为

(4) 旋转变换  ：目标图形以（x , y ）为轴心顺时针旋转θ弧度，变换矩阵为

#include<opencv2/opencv.hpp>
#include<vector>
using namespace std;
using namespace cv;
int main() 
{
	Mat img_ori = imread("Search1.jpg", 0);
	Mat imgThreshold;
	Mat imgConnction;
	Mat stats; 
	Mat centroids;
	vector<uchar> test;
	

	threshold(img_ori, imgThreshold, 128, 255, THRESH_BINARY_INV); 
	connectedComponentsWithStats(imgThreshold, imgConnction, stats, centroids);
	Mat imgLable = Mat::zeros(img_ori.size(), img_ori.type());
	Mat mask = Mat::zeros(img_ori.size(), img_ori.type());
	

	for (int i = 0; i < mask.rows; i++)
	{
		for (int j = 0; j < mask.cols; j++)
		{
			if (imgConnction.at<__int32>(i, j) == 2)
			{
				mask.at<uchar>(i, j) = 255;
			}
		}
	}
	Mat mask2; cv::Mat t_mat = cv::Mat::zeros(2, 3, CV_32FC1);

	t_mat.at<float>(0, 0) = 1;
	t_mat.at<float>(0, 2) = 100; //水平平移量  
	t_mat.at<float>(1, 1) = 1;
	t_mat.at<float>(1, 2) = 100; //竖直平移量  
	warpAffine(mask, mask2, t_mat, mask.size());
	imshow("img", img_ori);
	imshow("mask1", mask);
	imshow("mask2", mask2);
	waitKey();
	return 0;
}

运行结果：