关于OpenCV3使用距离变换的应用Ｃ++实现DEMO-数玉米粒个数

关于OpenCV3使用距离变换的应用Ｃ++实现DEMO-数玉米粒个数

过程效果图

软件环境

VS2015,OpenCV341,C++

代码实现

#include<iostream>
#include<opencv2/opencv.hpp>
#include<math.h>

using namespace std;
using namespace cv;

int main(int argc, char** argv) {
	//1.读取图，灰度图
	Mat src = imread("G:\\opencv_trainning\\vs2015\\3\\statistical_count\\1.jpg",IMREAD_GRAYSCALE);
	//判空
	if (src.empty()) {
		cout << "open fault" << endl;
		return -1;
	}
	//显示
	namedWindow("src");
	imshow("src",src);
	//2.二值化分割-获得白底黑字图
	Mat dst;//灰度图
	//参数：（原图，目标图，阈值，最大值，阈值标记）
	threshold(src, dst, 100, 255,THRESH_BINARY|THRESH_TRIANGLE);//使用三角阈值，单峰
	imshow("first",dst);
	//3.形态学处理-膨胀去掉外围干扰
	Mat element = getStructuringElement(MORPH_RECT,Size(3,3),Point(-1,-1));//定义结构元素，参数：（形状，核尺寸，锚点）
	dilate(dst,dst,element);//膨胀，参数：（原图，目标图，结构元素变量）
	imshow("second", dst);
	//4.距离变换-获得距离高亮(黑底白字)->归一化
	Mat dist;//
	bitwise_not(dst,dst,Mat());//反色处理,黑底白字，参数:(原图，目标图，掩码)
	distanceTransform(dst,dst,CV_DIST_L2,3);//距离变换，参数：（原图，目标图，距离变换类型，掩码（核）尺寸）
	normalize(dst,dst,0,1.0,NORM_MINMAX);//归一化，参数：（原图，目标图，最小值，最大值，归一化类型）
	imshow("third", dst);
	//5.局部阈值--局部阈值得到分离的每个物体，回到0-255的图片上来
	threshold(dst,dst,0.6,1.0,THRESH_BINARY);//再次二值分割，参数：（原图，目标图，阈值，最大值，阈值类型）
	normalize(dst,dst,0,255,NORM_MINMAX);//归一化到0-255数据区间，参数：（原图，目标图，最小值，最大值，归一化类型）
	Mat dst_8u;//定义8u变量
	dst.convertTo(dst_8u,CV_8U);//转化到新图中
	//参数:(原图，目标图，最大值，自适应方法（Gaussian/Mean）,阈值类型，块尺寸，常量值)，常量值给0即可，给正相当于反色效果
	adaptiveThreshold(dst_8u,dst_8u,255,ADAPTIVE_THRESH_GAUSSIAN_C,THRESH_BINARY,85,0.0);//85位置给奇数，取图的1/4或1/6
	//6.形态学操作-膨胀，使局部变大,白色部分单体连接为一个整体
	dilate(dst_8u,dst_8u,element,Point(-1,-1),2);//参数：(原图，目标图，结构元素，锚点，迭代次数)
	imshow("fourth", dst_8u);
	//7.发现轮廓-获取轮廓信息
	vector<vector<Point>> contours;//定义轮廓点向量的向量
	vector<Vec4i> hierarchy;//定义拓扑结构向量
	//参数:(二值化图，轮廓向量的向量，发现方法，检测方法)，此处发现方法使用RETR_EXTERNAL，只发现最外层的轮廓
	findContours(dst_8u, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
	//画轮廓
	Mat resultImg = Mat::zeros(src.size(),CV_8UC3);//创建结果图
	RNG rng(123456);//定义随机颜色变量
	for (int i = 0; i < contours.size(); i++) {//循环轮廓
		//画轮廓，参数：（图，轮廓点向量的向量，位置id,颜色，线宽），线宽为-1表示整体填充颜色
		drawContours(resultImg, contours, i, Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255)), -1);
	}
	//8.统计计数
	char str[100] = {0};//定义字符串数组
	sprintf_s(str,"count=%d",contours.size());//打印轮廓个数
	//放文本到图片，参数：（图，字符串，原点，字体，尺度值，颜色），其他参数默认
	putText(resultImg,str,Point(10,30),FONT_HERSHEY_COMPLEX,1.0,Scalar(255,0,0));
	imshow("resultImg", resultImg);
	//显示
	waitKey(0);//按键等待
	return 0;
}

实现思路

１.灰度图:获得灰度图；
２.三角阈值二值化:获得白底黑字图；
３.图形学-膨胀：去掉外围小干扰;
４.反色、距离变换及归一化：获得黑底白字图后，再获得距离图，归一化(0~1)后得到统一数据范围;
５.局部阈值：二值化并更改数据为０～255;
6.形态学操作-膨胀，使局部变大,白色部分单体连接为一个整体;
7.发现轮廓:获得所有独立轮廓向量；
８.统计计数：获得轮廓个数；

我是Simon,在这里期待与您的交流。