基于C++的OpenCV目标质心提取(采用大津法，同时给出Matlab代码）

       如何去求一副图像里面各个目标块的质心？对于不需要图像去噪，并且目标形态比较单一的目标而言，一般遵从如下的传统技术路线：

       在OpenCV里灰度化可以调用cvtColor函数，也可以直接用imread把彩色图像读成灰度图像。灰度图像通过图像分割即可转变为二值图像，关键点是阈值的计算。不同目标获取阈值的方法差异较大，对于形态单一目标，可以采用传统的大津法（最大类间方差法）自动计算分割阈值。接下来就是连通域分析，matlab里用的是bwlabel函数，而OpenCV里用的是connectedComponentsWithStats函数。最后求连通域各像素的均值，即可得到目标的质心坐标。

      下面给出基于C++的OpenCV代码，同时给出该算法的matlab代码，对比效果，就可以互相验证算法的准确性。

测试图像：

OpenCV代码：

#include <opencv2/core/core.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>
#include <vector>

using namespace cv;
using namespace std;

int main()
{
	Mat grayImg = imread("test.jpg", IMREAD_GRAYSCALE); //直接以灰度格式读取
	imshow("灰度图像", grayImg);

	Mat bw;
	double thres_val = threshold(grayImg, bw, 0, 255, THRESH_BINARY | THRESH_OTSU); //返回图像分割的自动阈值
	imshow("二值图像", bw);

	Mat out_bw, stats, centroids;

	int number = connectedComponentsWithStats(
		bw, //二值图像
		out_bw,     //和原图一样大的标记图
		stats, //nccomps×5的矩阵 表示每个连通区域的外接矩形和面积（pixel）
		centroids //nccomps×2的矩阵 表示每个连通区域的质心
	);

	vector<Point2f> points;  //用于储存每个连通区域的质心位置
	for (int i = 1; i < number; ++i) //这里i一定要从1计数，为了跳过第一个无用的中心点
	{
		double tx = centroids.at<double>(i, 0);
		double ty = centroids.at<double>(i, 1);
		points.push_back(Point2f(tx, ty));
		cout << tx << " " << ty << endl;
	}

	waitKey(0);
	return(0);
}

Matlab代码：

clc
clear all
close all

Ip = imread('test.jpg');

figure
imshow(Ip);
title('原始图像');

gI = im2gray(Ip);
figure
imshow(gI);
title('灰度图像');

th=graythresh(gI);
I_thresh2=im2bw(gI,th);

[L N]=bwlabel(I_thresh2,8);

for cc=1:N          
[r ck]=find(L==cc);
y(cc)=mean(r);
x(cc)=mean(ck);
x=round(x);
y=round(y);
xy(1,cc)=x(cc);
xy(2,cc)=y(cc);
end%%%%%%%%%%%imge processing

结果对比：

      下面分别是用opencv和matlab计算的质心结果：