图像处理------用于计算图像中某元素的个数

                                   图像处理------用于计算图像中某元素的个数
                                   工具：deepin linux     opencv3.2.0  
       我是用来帮人计算细菌菌落的个数，感觉有用发出来一起学习交流。具体使用过程见代码注释。
  下面代码实现的是批量读取某文件夹下面的一组图片，然后对其某个特定的颜色进行识别，对个数做统计。
  并且还可以对目标的面积做筛选，大于一定值的或者小于一定值的剔除。然后把结果自动保存到指定的文件夹下面。
  保存格式为图片名称+统计个数。
  对于做实验数据统计十分有帮助。当然，有问题可以联系博主，下方留言，第一时间回答您的问题	QAQ。
  make文件如下：

FLAG =-L ./lib/ -lopencv_core -lopencv_highgui -lopencv_imgproc -lopencv_videoio  -lopencv_imgcodecs -lm -Wall
					
edit: main.o 
	g++ $(FLAG) -g -o edit main.o 

main.o: main.cpp 
	g++ -c main.cpp 

clean:
	rm -f main.o 

代码：

/**************************
菌落个数计算 ------opencv
********用法*********
在outfile.open()和string dir_path()
这俩函数的参数中分别加上你的结果储存路径和
你的将要被处理的图片路径运行即可。
***************************/

#include "opencv2/core.hpp"
#include "opencv2/imgproc.hpp"
#include "opencv2/highgui.hpp"
#include <iostream>	
#include <unistd.h>
#include <fstream>
using namespace cv;
using namespace std;

int hmin = 0;
int hmin_Max = 180;
int hmax = 180;
int hmax_Max = 180;
//饱和度
int smin = 41;
int smin_Max = 255;
int smax = 47;
int smax_Max = 255;
//亮度
int vmin = 204;
int vmin_Max = 255;
int vmax = 255;
int vmax_Max = 255;
/**********************************
上面的变量是用来调整hsv阈值的
**********************************/
int cnt=0;   //定义全局变量记录每次得到的轮廓个数
int err=0; //记录大菌落的总个数
int sum_jun;         //所有的菌落的和
int main()
{   
    ofstream outfile;     //创建一个文件操作类
    outfile.open("/home/wwk/Desktop/result/4.22/result.txt");  //打开此目录下的txt文档，没有的话，则自动创建一个，不需要用户手创建
    string dir_path = "/home/wwk/Desktop/4.22/*.jpg";   //图像存放路经。！！注意是文件夹，不是某个文件，用于批量读取
    vector<String> fileNames;
    glob(dir_path, fileNames);  // 所有文件以具体路径方式，保存在video_list内
    for (int i = 0; i < fileNames.size(); i++)                //自动遍历文件夹下的每一张图片
  {
     Mat image;
     Mat HSVimage;
     Mat hsv_1Image;
     image=imread(fileNames[i]);    
     //namedWindow("image",0);
     //imshow("image", image);
     cvtColor(image, HSVimage, CV_BGR2HSV);
     inRange(HSVimage, Scalar(hmin, smin, vmin), Scalar(hmax, smax, vmax), hsv_1Image); //hsv颜色空间转化，通道分离。                                                                                             
    /******************************************************
    这是滑动条创建。可以用来动态调节你目标的hsv，利于目标和环境的区分，使用的时候请给整个程序加死循环，调节完成后取消，不然滑动条不起作用
    ******************************************************/
     namedWindow("dst", WINDOW_GUI_EXPANDED);
	//调节色相 H
    createTrackbar("hmin", "dst", &hmin, hmin_Max);
	createTrackbar("hmax", "dst", &hmax, hmax_Max);
	//调节饱和度 S
	createTrackbar("smin", "dst", &smin, smin_Max);
	createTrackbar("smax", "dst", &smax, smax_Max);
	//调节亮度 
	createTrackbar("vmin", "dst", &vmin, vmin_Max);
	createTrackbar("vmax", "dst", &vmax, vmax_Max); 
    
     //namedWindow("image_3",0);
     //imshow("image_3", hsv_1Image);
      Mat element = getStructuringElement(MORPH_RECT, Size(9, 9));
      //morphologyEx(hsv_1Image, hsv_1Image, MORPH_CLOSE, element);
      morphologyEx(hsv_1Image, hsv_1Image, MORPH_DILATE, element); // 开运算后做膨胀操作
      //namedWindow("DILATE",0);
      //imshow("DILATE", hsv_1Image);
         vector<vector<Point>> contours;
         vector<Vec4i> hierarchy;
         findContours(hsv_1Image, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE, Point(0, 0));
            //第四个参数用于检测轮廓类型 ，可以自己搜索资料，这里，只检测外围轮廓
            //第五个参数是轮廓相对于原始坐标的偏移量；很重要。
     cnt=(int)contours.size(); //这里给count赋值，记录所有检测到的轮廓

   for( int i = 0; i < contours.size(); i++ )     

    {   
        double ConArea = fabs(contourArea(contours[i], true));
       //cout << "面" << i << "轮廓的面积为：" << ConArea << endl;   ///计算面积
    } 

   vector <vector<Point>>::iterator iter = contours.begin();
     for (; iter != contours.end();)
     {
         double g_dConArea = fabs(contourArea(*iter));       //对目标进行筛选
          
     if (g_dConArea>800)
     {
         iter = contours.erase(iter);
         
     }
     else
     {
         ++iter;
         
    }
   }	
 // cout << "【筛选后总共轮廓个数为：" << (int)contours.size() << endl;

        err=cnt-(int)contours.size();   //筛选后的轮廓数 
        cnt=(int)contours.size();
            vector<Moments> mu(contours.size());

            for (int i = 0; i < contours.size(); i++)

            {
                mu[i] = moments(contours[i], false);
            }

            //ŒÆËãÂÖÀªµÄÖÊÐÄ

            vector<Point2f> mc(contours.size());

            for (int i = 0; i < contours.size(); i++)

            {

                mc[i] = Point2d(mu[i].m10 / mu[i].m00, mu[i].m01 / mu[i].m00);
            }

            //计算中心距


            Mat drawing = Mat::zeros(hsv_1Image.size(), CV_8UC3);

            for (int i = 0; i < contours.size(); i++)

            {

                 Scalar color = Scalar(255, 0, 0); //颜色通道赋值
                 drawContours(drawing, contours, i, color, 2, 8, hierarchy, 0, Point()); //绘制轮廓
                 circle( drawing, mc[i], 20, Scalar( 0, 0, 255), 2 );
           
            }
            
            sum_jun=err*10+cnt;              //面积大于
            cout<<sum_jun<<endl;
           // namedWindow("result",0);
           //imshow("result", drawing);
            usleep(500);  
        cout<<"***********第"<<i<<"张读取完毕**********"<<endl;
        cout<<"正在写入文件......"<<endl;
        outfile<<fileNames[i]<<":"<<sum_jun << endl;    //写入数据到txt文本   
       
  }
   outfile.close();   //关闭txt文本
    return 0;
}