opencv —— 重叠对象计数案例实践

breeze_csdn

于 2024-09-04 11:33:25 发布

阅读量182

点赞数

分类专栏： Image algorithm 文章标签： opencv 人工智能计算机视觉

原文链接：https://zhuanlan.zhihu.com/p/582904152

版权

Image algorithm 专栏收录该内容

8 篇文章 0 订阅

订阅专栏

opencv —— 重叠对象计数案例实践

小白进视觉

长春工业大学工程硕士

关注他

4 人赞同了该文章

在图像中特征物体计数的需求中，可先对图像进行阈值分割，根据图像效果，可适当使用形态学操作来优化图像效果。如果在某一个光照环境下，物体表面的反光度不一样，导致图像中特征物体间的轮廓边界不明显，则可以通过距离变换函数distanceTransform（），勾勒出大致的骨架，注意需要规范（归一）化操作。提取出对应物体的大致连通区域，最后可通过形态学操作来分离特征，达到能计数的图像效果，通过查找轮廓就可以得到所需数据。

示例：计算玉米的个数

源码：

#include "stdafx.h"
#include <opencv2/highgui/highgui_c.h>
#include <opencv2/opencv.hpp> 
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>
//#include <algorithm>

using namespace cv;
using namespace std;

int main(int argc, char** argv)
{

Mat img;
img = imread("E:\\homework\\4\\test_opencv2\\yumi.png");

if (img.empty())
{
	cout &lt;&lt; "null" &lt;&lt; endl;
	return 0;
}

Mat imgGray;
cvtColor(img, imgGray, COLOR_RGB2GRAY);

imshow("img", img);


// 阈值分割
Mat imgTraiangle;
threshold(imgGray, imgTraiangle, 0, 255, THRESH_BINARY | THRESH_TRIANGLE);
imshow("imgTraiangle", imgTraiangle);

图像膨胀
Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));
Mat imgDilate;
dilate(imgTraiangle, imgDilate, kernel, Point(-1, -1),2);
//imshow("imgDilate", imgDilate);

// 距离变换,把这个大概的骨架给它整出来
Mat imgDist;
bitwise_not(imgTraiangle, imgDilate);
distanceTransform(imgDilate, imgDist, CV_DIST_L2, 3);
normalize(imgDist, imgDist, 0, 255, NORM_MINMAX);
Mat imgdst_8u;
imgDist.convertTo(imgdst_8u, CV_8U);

imshow("imgdst_8u", imgdst_8u);

// 通过阈值分割，生成区域
Mat imgThreld;
adaptiveThreshold(imgdst_8u, imgThreld, 255, CV_ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, 105, 0);
imshow("imgthreld", imgThreld);

// 生成的区域，用腐蚀操作，分离连通区域
Mat imgErode;
Mat kernelErode = getStructuringElement(MORPH_RECT, Size(5, 5), Point(-1, -1));
erode(imgThreld, imgErode, kernelErode, Point(-1, -1), 5);
imshow("imgErode", imgErode);

// 计数
vector&lt;vector&lt;Point&gt;&gt; contours;
vector&lt;Vec4i&gt; hieray;
findContours(imgErode, contours, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE, Point(-1, -1));

Mat draw = Mat::zeros(img.size(), CV_8UC3);
RNG rgb(12345);

for (int i = 0; i &lt; contours.size(); i++)
{
	drawContours(draw, contours, static_cast&lt;int&gt;(i), Scalar(rgb.uniform(0, 255), rgb.uniform(0, 255), rgb.uniform(0, 255)), 1, 8, hieray);
}

cout &lt;&lt; "玉米数目 = " &lt;&lt; contours.size() &lt;&lt; endl;

imshow("draw", draw);

waitKey(0);
return 1;

}

输出结果：