OpenCv案例(四): 基于OpenCvSharp对图像轮廓提取与面积和周长计算

1:需求:提取图像中物体的轮廓以及计算该面积和周长

2:详细代码如下:

public static void GetOutline()
        {
            try
            {
                #region 加载图像
                Mat src = Cv2.ImRead(@"srcImg.bmp");
                if (src.Empty())
                {
                    Console.WriteLine("could not load image...\n");
                    return;
                }
                Cv2.ImShow("input image", src);
                //Cv2.WaitKey();
                #endregion
                #region 高斯模糊
                Mat blurImg = new Mat();
                Cv2.GaussianBlur(src, blurImg, new Size(15, 15), 0, 0);
                Cv2.ImShow("blur", blurImg);
                #endregion

                #region 二值化
                Mat grayImg = new Mat();
                Mat binary = new Mat();
                Cv2.CvtColor(blurImg, grayImg, ColorConversionCodes.BGR2GRAY);
                //threshold(gray_src, binary, 0, 255, THRESH_BINARY | THRESH_TRIANGLE);
                Cv2.Threshold(grayImg, binary, 0, 255, ThresholdTypes.Binary | ThresholdTypes.Triangle);
                Cv2.ImShow("binary", binary);
                #endregion

                #region 形态学操作
                Mat morphImage = new Mat();
                Mat kernel = Cv2.GetStructuringElement(MorphShapes.Rect, new Size(3, 3), new Point(-1, -1));
                Cv2.MorphologyEx(binary, morphImage, MorphTypes.Close, kernel, new Point(-1, -1), 2);
                Cv2.ImShow("morphImg", morphImage);
                #endregion

                Point[][] contours;
                HierarchyIndex[] hierarchies;
                Cv2.FindContours(morphImage, out contours, out hierarchies, RetrievalModes.External, ContourApproximationModes.ApproxSimple, new Point());
                Mat connImg = Mat.Zeros(src.Size(), MatType.CV_8UC3);
                for (int i = 0; i < contours.Length; i++)
                {
                    Rect rect = Cv2.BoundingRect(contours[i]);
                    if (rect.Width < src.Cols / 10)
                        continue;
                    if (rect.Width > (src.Cols - 20))
                        continue;
                    double area = Cv2.ContourArea(contours[i]);
                    double len = Cv2.ArcLength(contours[i], true);
                    Cv2.DrawContours(connImg, contours, (int)i, new Scalar(0, 0, 255), 1, LineTypes.Link8, hierarchies);
                    Console.WriteLine("area  of star could :{0}", area);
                    Console.WriteLine("length  of star could : {0}", len);
                    //printf("area  of star could : %f\n", area);
                    //printf("length  of star could : %f\n", len);
                }
                Cv2.ImShow("connImage", connImg);
                Cv2.WaitKey();
            }
            catch (Exception ex)
            {
                throw ex;
            }
        }

 原图:

高斯模糊:

 

形态学操作:

绘制轮廓:

 计算结果:

  • 4
    点赞
  • 33
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
一、主要内容:OpenCV能够实现强大丰富的图像处理,但是它缺少一个能够支持它运行的界面。Csharp经过多年的发展,得益于它的“所见及所得”能力,非常方便编写界面。这两者如果能够“双剑合璧”,将有效帮助实际工作产出。本课着重推荐GOCW采用“Csharp基于CLR直接调用Opencv编写的算法库”方法,能够将最新的OpenCV技术引入进来,同时保证生成程序的最小化。    为了进一步说明Csharp和OpenCV的结合使用,首先一个较为完整的基于winform实现答题卡识别的例子,相比较之前的实现,本次进一步贴近生产实际、内涵丰富,对算法也进行了进一步提炼。同时我们对WPF下对OpenCV函数的调用、OpenCV.js的调用进行相关教授。       二、课程结构1、 EmguCV、OpenCVSharp和GOCW之间进行比较(方便代码编写、能够融入最新的算法、速度有保障、方便调试找错、拒绝黑箱化);2、视频采集模块的构建,视频采集和图像处理之间的关系;3、视频采集专用的SDK和“陪练”系统的介绍;4、在视频增强类项目中和图像处理项目中,算法的选择;5、Csharp界面设计、图片的存储和其他构建设计;6、较为完整的答题卡识别例子,兼顾界面设计和算法分析;8、WPF基于GOCW也同样可以基于GOCW实现算法调用;webForm虽然也可以通过类似方法调用,但是OpenCV.JS的方法更现代高效。9、关于软件部署的相关要点和窍门。       三、知识要点:1、基本环境构建和程序框架;2、CLR基本原理和应用方法;3、接入、采集、模拟输入;4、图像处理,通过构建循环采集图片;5、增强和实时处理;6、基于投影等技术的答题卡识别算法;7、存储、转换;8、部署交付。        课程能够帮助你掌握Csharp调用Opencv的基本方法,获得相应框架代码和指导;从而进一步提升实现“基于图像处理”的解决方案能力。  

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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