c++识别象限标

已于 2023-09-27 10:55:35 修改
阅读量304 收藏 1
点赞数
文章标签： c++ opencv 计算机视觉
于 2023-08-28 10:33:24 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_50847463/article/details/132531501
版权

        最近用到象限标定位，去网上找资料发现这方面的介绍太少了，就用了传统的方法（形状+颜色）进行检测，后期如果发现更好的方法，再来更新。象限标样式如下图所示

        思想是：在每帧图像中进行Hough圆检测，遍历检测到的每一个圆，进行透视变换到一个新图上，在每一个圆中，检测是否同时有黄色和黑色区域，且面积达到一定值，如果有，则是象限标，显示在最终结果图上，并获取圆心，否则不做处理，对最终获取的两个象限表进行距离计算，得出成像画面中的距离值。

 一.打开摄像头循环读取帧

程序如下：

#include <opencv2/opencv.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <iostream>

using namespace std;
using namespace cv;

void main()
{
	Mat frame;
	VideoCapture cap(0);   //0：打开本机摄像头；1：打开外接摄像头
	if (cap.isOpened())
	{
		cap.set(CAP_PROP_FRAME_WIDTH, 1080);  // 设置摄像头的分辨率为1080*960
		cap.set(CAP_PROP_FRAME_HEIGHT, 960);
		while (true)
		{
			cap.read(frame);
			namedWindow("帧", WINDOW_AUTOSIZE);
			imshow("帧", frame);
			if (waitKey(100) == 27)  // 按ESC退出；
			{
				break;
			}

		}
	}

}

二.进行Hough圆检测

#include <opencv2/opencv.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <iostream>

using namespace std;
using namespace cv;

void main()
{
	Mat frame, img_gray, img_blur;
	VideoCapture cap(0);   //0：打开本机摄像头；1：打开外接摄像头
	if (cap.isOpened())
	{
		cap.set(CAP_PROP_FRAME_WIDTH, 1080);  // 设置摄像头的分辨率为1080*960
		cap.set(CAP_PROP_FRAME_HEIGHT, 960);
	}

	vector<Vec3f>circles;
	Vec3f circle;
	Mat img_cont;
	Mat matrix, imgWarp;
	while (true)
	{
		cap.read(frame);
		img_cont = frame.clone();
		cvtColor(frame, img_gray, COLOR_BGR2GRAY);  // 灰度变换
		medianBlur(img_gray, img_blur, 3);  // 中值滤波

		//hough圆检测
		HoughCircles(img_blur, circles, HOUGH_GRADIENT, 1, 10, 100, 30, 5, 50);
		for (size_t i = 0; i < circles.size(); i++)  // 遍历每帧图像所有的圆
		{
			circle = circles[i];
			cv::circle(img_cont, Point(circle[0], circle[1]), circle[2], Scalar(255, 0, 0)); // 画圆
			cv::circle(img_cont, Point(circle[0], circle[1]), 2, Scalar(255, 0, 0));   //画圆心
			float w = circle[2];
			float h = circle[2]; // 透视图的宽高
			//获取每个圆的外接矩形
			Point2f src[4] = { {circle[0] - circle[2],circle[1] - circle[2]},  //矩形左上角坐标
								{circle[0] + circle[2],circle[1] - circle[2]}, //矩形右上角坐标
								{circle[0] - circle[2],circle[1] + circle[2]},  //矩形左下角
								{circle[0] + circle[2],circle[1] + circle[2]},  //矩形右下角

			};
			Point2f dir[4] = { {0.0f,0.0f},{w,0.0f},{0.0f,h},{w,h} };
			matrix = getPerspectiveTransform(src, dir); // 透视变换，实现两张图像同一个点的对应关系
			warpPerspective(frame, imgWarp, matrix, Point(w, h)); // 将检测的圆画在imgWarp上
		}

		cv::namedWindow("帧", WINDOW_AUTOSIZE);
		cv::imshow("帧", frame);

		cv::namedWindow("Hough圆检测", WINDOW_AUTOSIZE);
		cv::imshow("Hough圆检测", img_cont);

		cv::namedWindow("透视图", WINDOW_AUTOSIZE);
		cv::imshow("透视图", imgWarp);
		if (waitKey(100) == 27)  // 按ESC退出；
		{
			break;
		}

		}

}

思想：在每帧图像上进行Hough圆检测，会检测出来许多圆，如下图所示，后续如何过滤出需要的圆？通过颜色检测，所以这里需要在每帧图像上遍历所有的圆，在每个圆内进行颜色检测。所以这里用到了透视变换。

三.颜色检测

在进行颜色检测之前，需要提取出黄黑的HSV值。提取代码如下所示。

#include <opencv2/opencv.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/imgcodecs.hpp>
#include <opencv2/highgui.hpp>
#include <iostream>

using namespace std;
using namespace cv;

void main()
{
	VideoCapture cap(0);
	if (cap.isOpened())
	{
		cap.set(CAP_PROP_FRAME_WIDTH, 1080);
		cap.set(CAP_PROP_FRAME_HEIGHT, 960);
	}
	Mat frame, img_HSV,mask;
	int hmin = 0, smin = 110, vmin = 150;
	int hmax = 255, smax = 255, vmax = 255;

	namedWindow("HSV调节", (640, 640));
	createTrackbar("Hue Min", "HSV调节", &hmin, 255);
	createTrackbar("Hue Max", "HSV调节", &hmax, 255);
	createTrackbar("Sat Min", "HSV调节", &smin, 255);
	createTrackbar("Sat Max", "HSV调节", &smax, 255);
	createTrackbar("val Min", "HSV调节", &vmin, 255);
	createTrackbar("val Max", "HSV调节", &vmax, 255);

	while (true)
	{
		cap.read(frame);
		cvtColor(frame, img_HSV, COLOR_BGR2HSV); // 进行HSV变换
		Scalar lower(hmin, smin, vmin);
		Scalar upper(hmax, smax, vmax);
		inRange(img_HSV, lower, upper, mask);

		namedWindow("帧", WINDOW_AUTOSIZE);
		imshow("帧", frame);

		namedWindow("HSV", WINDOW_AUTOSIZE);
		imshow("HSV", img_HSV);

		namedWindow("mask", WINDOW_AUTOSIZE);
		imshow("mask", mask);
		if (waitKey(100) == 27)
		{
			break;
		}
	}
}

黄色提取结果如下图所示

 将黄色与黑色的HSV阈值带入代码中。

四.最终代码

#include <opencv2/opencv.hpp>
#include <opencv2/imgcodecs.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/highgui.hpp>
#include <iostream>

using namespace std;
using namespace cv;

//int hmin = 0, smin = 110, vmin = 153;
//int hmax = 255, smax = 240, vmax = 255;
int area_y, area_d;

RNG rng(12345); // 产生随机颜色

int main()
{
	VideoCapture cap(1);
	if (cap.isOpened())
	{
		cap.set(CAP_PROP_FRAME_WIDTH, 1080);
		cap.set(CAP_PROP_FRAME_HEIGHT, 960);
	}
	Mat frame,img_HSV,mask_yellow,mask_dark,mask,img_gray,img_thresh;

	//namedWindow("阈值调节", (640, 640));
	//createTrackbar("Thresh min", "阈值调节", &Thresh_min, 255);
	//createTrackbar("Thresh max", "阈值调节", &Thresh_max, 255);

	/*namedWindow("Trackbars", (640, 200));
	createTrackbar("Hue Min", "Trackbars", &hmin, 255);
	createTrackbar("Hue Max", "Trackbars", &hmax, 255);
	createTrackbar("sat Min", "Trackbars", &smin, 255);
	createTrackbar("sat Max", "Trackbars", &smax, 255);
	createTrackbar("val Min", "Trackbars", &vmin, 255);
	createTrackbar("val Max", "Trackbars", &vmax, 255);*/

	Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));

	vector<Vec3f>circles;
	Vec3f circle;
	typedef Point_<double> Point2d;
	vector<Point2d> Mypoints;
	Point2d a, b;
	vector<double> center_dis;

	Mat matrix;
	Mat img_cont;
	Mat img_result;
	Mat img_blur, imgWarp;
	while (cap.isOpened())
	{
		cap.read(frame);
		img_cont = frame.clone();
		img_result = frame.clone();

		cvtColor(frame, img_gray, COLOR_BGR2GRAY);
		medianBlur(img_gray, img_blur, 3);//中值滤波

		//霍夫圆检测
		vector<Vec3f>circles;
		HoughCircles(img_blur, circles, HOUGH_GRADIENT, 1, 10, 100, 30, 5, 50);
		for (size_t i = 0; i < circles.size(); i++)//每帧图像，遍历所有圆
		{
			//画出所有的圆
			circle = circles[i];
			cv::circle(img_cont, Point(circle[0], circle[1]), circle[2], Scalar(255, 0, 0)); // 画圆
			cv::circle(img_cont, Point(circle[0], circle[1]), 2, Scalar(255, 0, 0));   // 圆心
			cout << "circle:" << circle << endl;
			float w = circle[2];
			float h = circle[2];  // 透视图像宽高；

			Point2f src[4] = { {circle[0] - circle[2], circle[1] - circle[2]},
								{circle[0] + circle[2],circle[1] - circle[2]},
								{circle[0] - circle[2],circle[1] + circle[2]},
								{circle[0] + circle[2], circle[1] + circle[2]} };//在每帧图像中，每检测到一个圆获取外界矩形坐标

			Point2f dir[4] = { {0.0f,0.0f},{w,0.0f},{0.0f,h},{w,h} }; //
			matrix = getPerspectiveTransform(src, dir);   // 透视变换，实现两张图片同一个点的对应关系
			warpPerspective(frame, imgWarp, matrix, Point(w, h));  //将检测到的圆显示在img_Warp

			//cvtColor(imgWarp, img, COLOR_GRAY2BGR);
			cvtColor(imgWarp, img_HSV, COLOR_BGR2HSV);

			Scalar lower_yellow(21, 116, 144);//象限标黄色区域HSV
			Scalar upper_yellow(84, 175, 255);

			Scalar lower_dark(0, 0, 0);//象限标黑色区域HSV
			Scalar upper_dark(180, 255, 73);

			//在圆上进行HSV
			inRange(img_HSV, lower_yellow, upper_yellow, mask_yellow);   //实现二值化功能，将两个阈值内的像素值设置为白色，不在阈值区间内的像素值设置为黑色
			inRange(img_HSV, lower_dark, upper_dark, mask_dark);
			bitwise_or(mask_yellow, mask_dark, mask);  //按位或

			vector<vector<Point>>contours_y;   // 是一个向量，每一组point点集就是一个轮廓
			vector<Vec4i>hierarchy_y;
			vector<vector<Point>>contours_d;   // 是一个向量，每一组point点集就是一个轮廓
			vector<Vec4i>hierarchy_d;

			findContours(mask_yellow, contours_y, hierarchy_y, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);   // 连通域查找
			findContours(mask_dark, contours_d, hierarchy_d, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
			drawContours(imgWarp, contours_y, -1, color, 1);
			drawContours(imgWarp, contours_d, -1, color, 1);
			area_y = 0;
			area_d = 0;
			for (int i = 0; i < contours_y.size(); i++)
			{
				area_y = contourArea(contours_y[i]); // 计算轮廓的面积
				area_y += area_y;

			}
			for (int i = 0; i < contours_d.size(); i++)
			{
				area_d = contourArea(contours_d[i]); // 计算轮廓的面积
				area_d += area_d;

			}
			cout << "area_y:" << area_y << "area_d:" << area_d << endl;
			if (area_y > 4 and area_d > 4)
			{
				cv::circle(img_result, Point(circle[0], circle[1]), circle[2], Scalar(0, 0, 255)); // 画圆
				cv::circle(img_result, Point(circle[0], circle[1]), 2, Scalar(0, 0, 255));   // 圆心
				Mypoints.push_back(Point(circle[0],circle[1]));
			}
			
		}
		cout << "符合条件的所有圆:" << Mypoints << endl;
		for (int i = 0; i < Mypoints.size(); i++)
		{
			if (i % 2 == 0)  //偶数，第一次为0
			{
				a = Mypoints[i];
			}
			else if (i % 2 != 0)  //奇数
			{
				b = Mypoints[i];
			}
			center_dis.push_back(pow(pow(b.x - a.x, 2) + pow(b.y - a.y, 2),0.5));
			cout << "距离" << center_dis[0] << endl;
			
		}

		namedWindow("原图",WINDOW_AUTOSIZE);
		imshow("原图", frame);

		//namedWindow("透视图", WINDOW_AUTOSIZE); //提取出圆单独显示
		//imshow("透视图", imgWarp);

		//namedWindow("mask", WINDOW_AUTOSIZE);
		//imshow("mask", mask);

		//namedWindow("HSV", WINDOW_AUTOSIZE); // 在提取出来的圆上进行HSV检测
		//imshow("HSV", img_HSV);

		namedWindow("contours", WINDOW_AUTOSIZE);
		imshow("contours", img_cont);

		namedWindow("结果", WINDOW_AUTOSIZE);
		imshow("结果", img_result);

		if (waitKey(10) == 27)
		{
			break;
		}
	
	}
}

 运行结果如图所示。

 这个代码改进的部分还有许多，这里先进行一下记录。后续有时间改进后再来进行补充。

灯火~
关注
基于QT，C++和opencv 的人脸识别项目（二）
aazqy1234的博客
08-15 3185
引言 工欲善其事，必先利其器。我们先了解可能用到的相关知识。主要包含：opencv，dlib，相关模型。 正文 opencv 本实验主要是基于opencv实现的，了解opencv也就是重中之重了。学习opencv最好的地方当然是opencv官网，当然囿于英语阅读的速度和方便性，我们也会考虑中文读物。我把有关项目的重要信息摘要给大家。 OpenCV要求电脑中有如下packages GCC（GCC是linux最常用的C/C++编译器，通常以gcc命令的形式在终端shell中使用），GCC教程 Cmake（对于
Gartner2022应用安全测试魔力象限
Snow0902的博客
05-08 1280
Gartner 2022 应用安全测试魔力象限
ZZULIOJ 1031: 判断点在第几象限 (C/C++)
无
04-13 1268
从键盘输入2个整数x、y值，表示平面上一个坐标点，判断该坐标点处于第几象限，并输出相应的结果。输入x，y值表示一个坐标点。坐标点不会处于x轴和y轴上，也不会在原点。输出对应的象限，用数字1,2,3,4分别对应四个象限。1031: 判断点在第几象限。1031: 判断点在第几象限。
（C++）二维坐标系下，计算两点之间方位角
csdn_xu77的博客
02-19 3611
（C++）二维坐标系下，计算两点之间方位角思路代码 思路 将其中点ori视为坐标原点，求点p相对其方位角 代码 double GlobalSettings::GetPointHAngle(Point3D p, Point3D ori)//根据坐标x、y值计算其方位角 { double hAngle = 0; double dy = p.y - ori.y; double dx = p.x - ori.x; if (dx==0 && dy>0) {
C C++最全13- OpenCV：霍夫检测：直线、圆检测_opencv 霍夫检测，【架构师必备】
最新发布
2401_84976386的博客
05-14 1522
Double mindist, // 10 最短距离-可以分辨是两个圆的，否则认为是同心圆- src_gray.rows/8 Double param1, // canny edge detection low threshold。（2）前提条件 – 边缘检测已经完成 （cv::Canny，输入的是8位的图像可以是单通道或多通道，输出的是8位单通道的灰度图像，再通过threshold转化为二值化图像）CV_PI/180 int threshold, // 阈值，只有获得足够交点的极坐标点才被看成是直线。
帧差运动检测和颜色检测(C++)
pytorch内部机制解读
01-26 494
基于视频的烟火检测 首先,对图像进行预处理： 1.对图像分块，将图像分为24*24的小块 2.对每块图像进行运动检测及颜色检测 然后,使用训练好的神经网络对图像进行分类 分块帧差运动检测 //-----------------------------------【】---------------------------- // 代码作用：分块帧差运动检测 // OpenCV源代码版本：3.0.0 // by：xuejiguang // Time:2016/
chapter6 基于C++的opencv颜色detection
我不是程序员的博客
09-13 295
#include <opencv2/imgcodecs.hpp> #include <opencv2/highgui.hpp> #include <opencv2/imgproc.hpp> #include <iostream> using namespace cv; using namespace std; /////////////// Color Detection ////////////////////// void main() { s.
Gartner 2022 应用安全测试魔力象限
Snow0902的博客
05-08 1631
Gartner 2022 应用安全测试魔力象限
标定车用永磁电机,永磁游标电机,C,C++源码.rar
10-10
这些参数可以通过实验方法获得，例如使用四象限测功机进行实验，并利用C或C++编写数据采集和分析软件。 2. **模型建立**：基于参数识别的结果，构建电机的数学模型，如静态模型（常用于控制器设计）和动态模型...
OpenCV dft离散傅立叶变换 C++
cyf15238622067的博客
02-25 1893
l 为什么要在频率域研究图像增强 ü 可以利用频率成分和图像外表之间的对应关系。一 些在空间域表述困难的增强任务，在频率域中变得非 常普通 ü 滤波在频率域更为直观，它可以解释空间域滤波的 某些性质 ü 可以在频率域指定滤波器，做反变换，然后在空间 域使用结果滤波器作为空间域滤波器的指导 ü一旦通过频率域试验选择了空间滤波，通常实施都在空间域进行 理解傅里叶变换请看https:/...
opencvC++颜色识别
06-12
opencv颜色识别 文章在这 https://blog.csdn.net/weixin_39276851/article/details/106721946
VC实现图片颜色识别的源代码
11-30
使用VC++实现，显示图片，对所选择的图片进行颜色识别，并有RGB三中直方图显示
基于opencv的颜色识别
03-28
使用VS2017和win10编译环境，文件夹里有三种颜色识别的方法，在vs2017中能直接打开运行。
opencv颜色识别
09-13
vs2015+opencv3.1，摄像头实时识别彩色图像中的指定颜色。并且返回搜索颜色区域的质心坐标显示在控制台。可供opencv新手参考
OpenCV [c++]（图像处理基础示例程序汇总）
NCUTer
06-25 8139
目录一、图像读取与显示二、图像预处理[高斯滤波、canny边缘检测、膨胀腐蚀]Canny边缘检测三、图像裁剪 四、绘制形状和添加文本 五、透视投影变换矫正 六、颜色检测 七、形状检测和轮廓检测[findContours(),approxPolyDP()] 八、人脸识别九、虚拟画笔作画十、文档扫描 十一.车牌区域级联检测定位opencv与VS环境配置参考我的另一篇文章：vs2019 + opencv4.3.0 开发环境配置（后续更新QT与OpenCV配置）_NCUTer的博客-CSDN博客 wait
C++ opencv实现颜色识别
weixin_39276851的博客
06-12 6758
看效果 下面源代码 Object.h #pragma once #include <string> #include <cv.h> #include <highgui.h> using namespace std; using namespace cv; class Object { public: Object(); ~Object(void); Object(string name); int getXPos(); void setXPos(i
图像相似度检测之C++代码（8位--256色）
花落孤独
07-04 8905
本代码属于原创，如需引用，请声明来源下面是直方图相交的代码，同种图片的识别率达90%以上，性能非常稳定。程序的例子是8位（256色）位图，其他位图类似。#include #include #include #include using namespace std; typedef unsigned char uvar8; ty
C++实现人脸检测、分割、并计算人脸各个部分的颜色
活到老、学到老
03-02 489
人脸分割提取颜色是一个计算机视觉领域的技术问题，其目标是从人脸图像中提取人脸的各个部分，并得到各个部分的颜色分布。该技术在人脸识别、美颜、虚拟化妆等领域有着广泛的应用。常用的分割方法包括： * 基于肤色的分割 * 基于边缘的分割 * 基于深度学习的分割。：首先需要检测出人脸的位置和大小。
C++/OpenCV：同颜色检测提取
己亥谷雨
09-15 2241
看到这个老哥写了一个类，但是没有demo，就使用这个类写了个例子 【OpenCV】OpenCV创建颜色识别类-class ColorDetector_Taily老段的专栏-CSDN博客 头文件 ColorDetector.h #pragma once #ifndef COLORDETECTOR_H_ #define COLORDETECTOR_H_ #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui
C++11官方标准文档详解
"C++ 11 官方文档" C++ 11是C++编程语言的一个重要版本，它在2011年发布，引入了大量的新特性、改进和优化，极大地扩展了C++的功能性和效率。这份官方文档详细阐述了这些变化，为开发者提供了权威的参考。 1. **...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值