Android OpenCv4 斑点检测，实现图片特征点绘制

结合以前功能点做一个特征点绘制

实现步骤

1. 图片灰度化
2. 高斯滤波
3. 二值化
4. 图片腐蚀
5. 图片膨胀
6. 斑点检测
7. 绘制特征点

前五个已经在前几章说过了，在这就不再说了，有不明白的可以回去看一下。

斑点检测

,斑点j是指二维图像中周围有颜色差异和灰度差异的区域,因为斑点代表的是一个区域,所以其相对于单纯的角点,具有更好的稳定性和更好的抗干扰能力.斑点通常是指与周围有着颜色和灰度差别的区域。

代码注释已经很清楚了

 public static List<Point> getPoint(Context context, Mat mSource, ImageView iv)  {
//        Mat mSource = new Mat();
//
//        if (bitmap==null || mSource ==null){
//            return null;
//        }
//        Utils.bitmapToMat(bitmap, mSource);
        Mat grayMat = new Mat();
        Imgproc.cvtColor(mSource,grayMat,Imgproc.COLOR_BGR2GRAY);//转换成灰度图

        //高斯滤波
        Mat gauss = new Mat();
        Imgproc.GaussianBlur(grayMat, gauss,new Size(69.0, 69.0), 0);

        //二值化
        Mat BINARY = new Mat();
        Imgproc.threshold(gauss,  BINARY,115, 255.0,Imgproc.THRESH_BINARY);

       //图像腐蚀
        Mat kernel = Imgproc.getStructuringElement(CV_SHAPE_RECT,new Size(3, 3));
        Mat result =new Mat();
        Imgproc.erode(BINARY, result, kernel, new Point(-1,-1),1);

//         图像膨胀
        Mat pz = Imgproc.getStructuringElement(CV_SHAPE_RECT, new Size(3, 3));
        Mat pzResult = new Mat();
        Imgproc.dilate(BINARY, pzResult, pz, new Point(-1,-1),6);

        SimpleBlobDetector_Params Params= new SimpleBlobDetector_Params();
        // 亮度阈值的步长控制，越小检测出来的斑点越多
        Params.set_thresholdStep(2);
        //颜色控制
        Params.set_filterByColor(true);
//        Params.set_minThreshold(52);
        //像素面积大小控制
        Params.set_filterByArea(true);
        Params.set_minArea(144);
        //凸度控制，凸性的定义是（斑点的面积/斑点凸包的面积
        Params.set_filterByConvexity(true);
        Params.set_minConvexity(0.87F);
        //惯性率控制
        Params.set_filterByInertia(true);
        // 圆形的惯性率等于1，惯性率越接近1，圆度越高
        Params.set_minInertiaRatio(0.01F);
        SimpleBlobDetector detector = SimpleBlobDetector.create(Params);
        MatOfKeyPoint point = new MatOfKeyPoint();

        detector.detect(BINARY,point);


        Log.e("dbj","point个数="+point.toArray().length);
        if (point.toArray().length==0){
            showImg(mSource,iv);
            return null;
        }
        Mat keyPoint = new Mat();
        drawKeypoints(pzResult,point,keyPoint, new Scalar(0,0,255.0), DrawMatchesFlags_DRAW_RICH_KEYPOINTS);

        List<Point> points = new ArrayList<>();

        if (point.toList().size()>0){
            for (int i = 0; i < point.toList().size(); i++) {
                points.add(new Point(point.toList().get(i).pt.x,point.toList().get(i).pt.y));
                    //在中心点绘制一个圆圈
                Imgproc.circle(mSource,new Point(point.toList().get(i).pt.x,point.toList().get(i).pt.y),5, new Scalar(0, 255, 0), 4, LINE_AA);
            }
        }
        Collections.sort(points,new Comparator<Point>() {
            @Override
            public int compare(Point o1, Point o2) {
                return Double.compare(o1.x+ o1.y, o2.x+o2.y);
            }
        });

        Log.e("dbj","point坐标为"+points.toString());
        Imgproc.rectangle(mSource, points.get(0), points.get(points.size()-1), new Scalar(0.0, 0.0, 255.0), 6);
        showImg(mSource,iv);
        return points;
    }
    

实现效果