opencv图像处理2

/****************************
*void cvtColor( InputArray src, OutputArray dst, int code, int dstCn = 0 );
*功能：颜色空间转换函数
*参数：
*   src：原图
*   dst：保存转换后的图
*   dstCn：转换方式
*       COLOR_BGR2GRAY：转换成灰度图
*****************************/
cvtColor(src, gray, COLOR_BGR2GRAY);

    /**************************
     * double threshold( InputArray src, OutputArray dst, double thresh, double maxval, int type );
     * 功能：图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。
     * 参数：
     *     src：原图
     *     dst：转化后的图
     *     thresh：设定的阈值
     *     maxval：当灰度值大于（或小于）阈值时将该灰度值赋成的值  
     *     type：当前二值化的方式
     * ************************/
    threshold(gray, binary, 0, 255, THRESH_BINARY | THRESH_OTSU);

/************************************
     * void findContours( InputOutputArray image, OutputArrayOfArrays contours, 
     *                  OutputArray hierarchy, int mode, int method, Point offset = Point());
     * 功能：轮廓检测
     * 参数：
     *      image：一般是灰度图或者二值化图，多是二值化图
     *      contours：定义为“vector<vector<Point>> contours”，是一个双重向量，每一组点集就是一个轮廓，有多少轮廓，contours就有多少元素
     *      hierarchy：定义为“vector<Vec4i> hierarchy”，hierarchy是一个向量，向量内每个元素都是一个包含4个int型的数组
     *      mode：定义轮廓的检索模式
     *              CV_RETR_EXTERNAL：只检测最外围轮廓，包含在外围轮廓内的内围轮廓被忽略 
     *              CV_RETR_LIST：检测所有的轮廓，包括内围、外围轮廓，但是检测到的轮廓不建立等级关系
     *              CV_RETR_CCOMP: 检测所有的轮廓，但所有轮廓只建立两个等级关系
     *              CV_RETR_TREE: 检测所有轮廓，所有轮廓建立一个等级树结构
     *      method：定义轮廓的近似方法
     *              CV_CHAIN_APPROX_NONE：保存物体边界上所有连续的轮廓点到contours向量内；
     *              CV_CHAIN_APPROX_SIMPLE：仅保存轮廓的拐点信息，把所有轮廓拐点处的点保存入contours向量内，拐点与拐点之间直线段上的信息点不予保留；
     *              CV_CHAIN_APPROX_TC89_L1：使用teh-Chinl chain 近似算法;
     *              CV_CHAIN_APPROX_TC89_KCOS：使用teh-Chinl chain 近似算法。
     *      offset：Point偏移量，所有的轮廓信息相对于原始图像对应点的偏移量，相当于在每一个检测出的轮廓点上加上该偏移量，并且Point还可以是负值！
     * ***********************************/
    findContours(binary, contours, hireachy, RETR_LIST, CHAIN_APPROX_NONE);


        //contourArea：过滤大轮廓
		double area = contourArea(contours[i]);
        //drawContours：画出轮廓
		drawContours(result, contours, i, Scalar(0, 0, 255), 2, 8);
	
	 //计算每一个对象的行数
	int size = static_cast<int>(pts.size());
	Mat data_pts = Mat(size, 2, CV_64FC1);

    //通过数组保存每一个对象的x和y坐标
	for (int i = 0; i < size; i++) {
		data_pts.at<double>(i, 0) = pts[i].x;
		data_pts.at<double>(i, 1) = pts[i].y;
	}

	//PCA分析
	PCA pca_analysis(data_pts, Mat(), CV_PCA_DATA_AS_ROW);

    //获取每一个对象的中心位置
	Point cnt = Point(static_cast<int>(pca_analysis.mean.at<double>(0, 0)),
					static_cast<int>(pca_analysis.mean.at<double>(0, 1)));

    //画出中心位置，使用绿色标识
	circle(image, cnt, 2, Scalar(0, 255, 0), 2, 8, 0);
   
   //获取特征值和特征向量
	vector<Point2d> vecs(2);
	vector<double> vals(2);
	for (int i = 0; i < 2; i++) 
    {
		vals[i] = pca_analysis.eigenvalues.at<double>(i, 0);
		printf("Th %d eigen value : %.2f\n", i, vals[i]);
		vecs[i] = Point2d(pca_analysis.eigenvectors.at<double>(i, 0), pca_analysis.eigenvectors.at<double>(i, 1));
	}

    //获取从中心位置到对象方向的延长线以及垂直线
	Point p1 = cnt + 0.02*Point(static_cast<int>(vecs[0].x*vals[0]), static_cast<int>(vecs[0].y*vals[0]));
	Point p2 = cnt - 0.05*Point(static_cast<int>(vecs[1].x*vals[1]), static_cast<int>(vecs[1].y*vals[1]));

    //画出线
	line(image, cnt, p1, Scalar(255, 0, 0), 2, 8, 0);
	line(image, cnt, p2, Scalar(255, 255, 0), 2, 8, 0);