C++视觉开发二.OpenCV基础

HHRL-yx

已于 2024-06-30 23:14:49 修改

阅读量849

点赞数 24

分类专栏：视觉开发（传统案例）文章标签： c++ 开发语言计算机视觉 opencv

于 2024-06-29 22:58:56 首次发布

本文链接：https://blog.csdn.net/weixin_59409001/article/details/140070244

版权

视觉开发（传统案例）专栏收录该内容

7 篇文章 1 订阅

订阅专栏

1.高斯滤波（Gaussian Blur）

功能：高斯滤波是一种常用的线性平滑滤波器，用于降低图像噪声和细节。

2.中值滤波（Median Blur）

功能：中值滤波是一种非线性滤波方法，用于去除图像中的椒盐噪声或者斑点噪声。

四.形态学

1.cv::getStructuringElement 核函数

3.cv::findContours 查找轮廓

4. cv::drawContours 绘制轮廓

5.cv::moments 计算矩

6.cv::putText 绘制文本

7.cv::contourArea() 函数轮廓面积

六.实战-物体计数

本章记录OpenCV开发中的基本操作语法

首先导入库

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

一.基础

1.读取图像

cv::Mat img = cv::imread("lenacolor.png",flags);

语法：cv::Mat 图像名 = cv::imread(“图像名称”，flags);

flag标记值如下表：

cv::IMREAD_UNCHANGED	保持原格式不变
cv::IMREAD_GRAYSCALE	单通道灰度图像
cv::IMREAD_COLOR	三通道BGR格式

2.显示图像

cv::imshow("one", img);

语法：cv::imshow("窗口名称", 图像名);

默认加入两个函数：

cv::waitKey(0); //暂停运行
cv::destroyAllWindows(); //按任意键释放窗口

方便查看图像和释放。

3.保存图像

cv::imwrite("result",img)

语法：cv::imwrite("目标文件完成路径", 图像名);

二.图像

1.像素处理

例子：

cv::Mat img = cv::imread("lena.bmp", cv::IMREAD_GRAYSCALE);
    for (int i = 10; i < 100; ++i) {
        for (int j = 80; j < 100; ++j) {
            img.at<uchar>(i, j) = 255;
        }
    }
    cv::imshow("after", img);
    cv::waitKey(0);
    cv::destroyAllWindows();

读取灰度图像，并处理其中的像素点，案例中为改为白色。

2.彩色图像

例子：

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

int main() {
    // 读取图像
    cv::Mat img = cv::imread("lenacolor.png");

    // 检查图像是否加载成功
    if (img.empty()) {
        std::cerr << "Error: Could not open or find the image 'lenacolor.png'" << std::endl;
        return -1;
    }

    // 显示原始图像
    cv::imshow("before", img);

    // 访问并打印指定像素值
    //cv::Vec3b 类型用于表示一个包含3个无符号字符（即一个像素的BGR值）的向量。
    std::cout << "访问img[0,0] = " << img.at<cv::Vec3b>(0, 0) << std::endl;
    std::cout << "访问img[0,0,0] = " << (int)img.at<cv::Vec3b>(0, 0)[0] << std::endl;
    std::cout << "访问img[0,0,1] = " << (int)img.at<cv::Vec3b>(0, 0)[1] << std::endl;
    std::cout << "访问img[0,0,2] = " << (int)img.at<cv::Vec3b>(0, 0)[2] << std::endl;
    std::cout << "访问img[50,0] = " << img.at<cv::Vec3b>(50, 0) << std::endl;
    std::cout << "访问img[100,0] = " << img.at<cv::Vec3b>(100, 0) << std::endl;

    // 区域1：白色
    for (int i = 0; i < 50; ++i) {
        for (int j = 0; j < 100; ++j) {
            img.at<cv::Vec3b>(i, j) = cv::Vec3b(255, 255, 255);
        }
    }

    // 区域2：灰色
    for (int i = 50; i < 100; ++i) {
        for (int j = 0; j < 100; ++j) {
            img.at<cv::Vec3b>(i, j) = cv::Vec3b(128, 128, 128);
        }
    }

    // 区域3：黑色
    for (int i = 100; i < 150; ++i) {
        for (int j = 0; j < 100; ++j) {
            img.at<cv::Vec3b>(i, j) = cv::Vec3b(0, 0, 0);
        }
    }

    // 区域4：红色
    for (int i = 150; i < 200; ++i) {
        for (int j = 0; j < 100; ++j) {
            img.at<cv::Vec3b>(i, j) = cv::Vec3b(0, 0, 255);
        }
    }

    // 显示修改后的图像
    cv::imshow("after", img);

    // 打印修改后的像素值
    std::cout << "修改后img[0,0] = " << img.at<cv::Vec3b>(0, 0) << std::endl;
    std::cout << "修改后img[0,0,0] = " << (int)img.at<cv::Vec3b>(0, 0)[0] << std::endl;
    std::cout << "修改后img[0,0,1] = " << (int)img.at<cv::Vec3b>(0, 0)[1] << std::endl;
    std::cout << "修改后img[0,0,2] = " << (int)img.at<cv::Vec3b>(0, 0)[2] << std::endl;
    std::cout << "修改后img[50,0] = " << img.at<cv::Vec3b>(50, 0) << std::endl;
    std::cout << "修改后img[100,0] = " << img.at<cv::Vec3b>(100, 0) << std::endl;

    // 等待按键
    cv::waitKey(0);

    // 销毁所有窗口
    cv::destroyAllWindows();

    return 0;
}

这段代码主要展示了通道问题，指的是图像的颜色通道处理。在OpenCV中，图像以BGR格式存储，即每个像素由三个无符号字符（8位）组成，分别表示蓝色（B）、绿色（G）和红色（R）的强度。通过cv::Vec3b类型的向量可以访问和修改每个像素的BGR值，例如使用img.at<cv::Vec3b>(i, j)[0]访问蓝色通道的值，img.at<cv::Vec3b>(i, j)[1]访问绿色通道的值，img.at<cv::Vec3b>(i, j)[2]访问红色通道的值。在这段代码中，通过操作这些通道的数值，实现了对图像不同区域颜色的修改，从而展示了如何处理和操作图像的颜色通道信息。

三.滤波

1.高斯滤波（Gaussian Blur）

功能：高斯滤波是一种常用的线性平滑滤波器，用于降低图像噪声和细节。

函数语法：

cv::GaussianBlur(src, dst, ksize, sigmaX, sigmaY, borderType);

src: 输入图像，通常是cv::Mat类型。
dst: 输出图像，与输入图像有相同的尺寸和类型。
ksize: 高斯内核的大小。可以指定一个正奇数，例如cv::Size(3, 3)，表示3x3的内核。宽度和高度可以不同，但它们都必须是正的和奇数。
sigmaX: X方向的高斯核标准差。0
sigmaY: Y方向的高斯核标准差，如果为0，则默认与sigmaX相同。
borderType: 边界模式，默认为cv::BORDER_DEFAULT。

2.中值滤波（Median Blur）

功能：中值滤波是一种非线性滤波方法，用于去除图像中的椒盐噪声或者斑点噪声。

函数语法：

cv::medianBlur(src, dst, ksize);

src: 输入图像，通常是cv::Mat类型。
dst: 输出图像，与输入图像有相同的尺寸和类型。
ksize: 中值滤波核的大小，必须是大于1的奇数，例如3、5、7等。

四.形态学

1.cv::getStructuringElement 核函数

功能：用于生成形态学操作中使用的结构元素（或称为内核、核）。形态学操作主要应用于二值图像处理，如腐蚀、膨胀、开运算、闭运算等。结构元素是形态学操作的核心，它定义了操作的形状和大小。

语法：

cv::getStructuringElement(int shape, cv::Size ksize);

参数含义
shape	结构元素的形状，可以是以下值之一： `cv::MORPH_RECT`：矩形 `cv::MORPH_ELLIPSE`：椭圆 `cv::MORPH_CROSS`：十字形
ksize	结构元素的大小，类型为 `cv::Size`，表示宽度和高度。例如： cv::Size(5, 5)

返回值为cv::Mat 类型。

示例：生成不同形状的结构元素并应用于形态学操作

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

int main() {
    // 读取图像
    cv::Mat image = cv::imread("binary_image.png", cv::IMREAD_GRAYSCALE);
    if (image.empty()) {
        std::cerr << "Error: Could not open or find the image." << std::endl;
        return -1;
    }

    // 生成矩形结构元素
    cv::Mat rectElement = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(5, 5));

    // 生成椭圆形结构元素
    cv::Mat ellipseElement = cv::getStructuringElement(cv::MORPH_ELLIPSE, cv::Size(5, 5));

    // 生成十字形结构元素
    cv::Mat crossElement = cv::getStructuringElement(cv::MORPH_CROSS, cv::Size(5, 5));

    // 应用膨胀操作
    cv::Mat dilatedRect, dilatedEllipse, dilatedCross;
    cv::dilate(image, dilatedRect, rectElement);
    cv::dilate(image, dilatedEllipse, ellipseElement);
    cv::dilate(image, dilatedCross, crossElement);

    // 显示结果
    cv::imshow("Original Image", image);
    cv::imshow("Dilated with Rect", dilatedRect);
    cv::imshow("Dilated with Ellipse", dilatedEllipse);
    cv::imshow("Dilated with Cross", dilatedCross);

    // 等待按键
    cv::waitKey(0);
    cv::destroyAllWindows();

    return 0;
}

2.膨胀（Dilation）

膨胀操作将图像中的物体边界膨胀或扩展。它会将前景物体的像素值设为周围区域内的最大像素值。在图像中，膨胀可以填充物体内的空洞或连接物体，增加物体的大小。

示例代码语法：

cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(5, 5));
cv::dilate(src, dst, element);

3.腐蚀（Erosion）

腐蚀操作与膨胀相反，它会将前景物体的边界向内侵蚀。它会将前景物体的像素值设为周围区域内的最小像素值。在图像中，腐蚀可以去除物体边界附近的像素，减小物体的大小或分离物体。

示例代码语法：

cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(5, 5));
cv::erode(src, dst, element);

注意：如果需要用到膨胀或者腐蚀的迭代次数，需要用到第五个参数

示例：腐蚀4次膨胀3次

cv::Mat erosion;
cv::erode(binary, erosion, kernel, cv::Point(-1, -1), 4);
cv::Mat dilation;
cv::dilate(erosion, dilation, kernel, cv::Point(-1, -1), 3);

4.开运算（Opening）

开运算是先进行腐蚀操作，然后进行膨胀操作的组合操作。它被用来去除图像中的噪声。开运算能够平滑物体的边界，消除细小的噪声。

示例代码语法：

cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(5, 5));
cv::morphologyEx(src, dst, cv::MORPH_OPEN, element);

5.闭运算（Closing）

闭运算是先进行膨胀操作，然后进行腐蚀操作的组合操作。它能够填充物体内部的小洞，连接物体。闭运算可以平滑物体的轮廓，连接相邻的物体。

示例代码语法：

cv::Mat element = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(5, 5));
cv::morphologyEx(src, dst, cv::MORPH_CLOSE, element);

6.通用形态学操作

在OpenCV中，形态学操作通常结合使用cv::Mat类型的图像和cv::morphologyEx函数来实现。

函数语法：

cv::morphologyEx(src, dst, op, kernel, anchor, iterations, borderType, borderValue);

src: 输入图像，通常是cv::Mat类型。
dst: 输出图像，与输入图像有相同的尺寸和类型。
op: 形态学操作类型，可以是以下几种：
- cv::MORPH_ERODE: 腐蚀
- cv::MORPH_DILATE: 膨胀
- cv::MORPH_OPEN: 开运算
- cv::MORPH_CLOSE: 闭运算
- 其他自定义的形态学操作类型。
kernel: 结构元素（内核）大小和形状，通常是通过cv::getStructuringElement函数创建的，例如：
```
cv::getStructuringElement(cv::MORPH_RECT, cv::Size(5, 5))
```
创建一个5x5的矩形结构元素。

常用上面几个就够了，下面几个可以了解一下：

anchor: 结构元素的锚点位置，默认为(-1, -1)表示结构元素的中心。
iterations: 形态学操作的重复次数，默认为1。
borderType: 边界模式，默认为cv::BORDER_CONSTANT。
borderValue: 边界值，默认为cv::morphologyDefaultBorderValue()。

示例：

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

int main() {
    cv::Mat img = cv::imread("shapes.jpg", cv::IMREAD_GRAYSCALE);
    if (img.empty()) {
        std::cerr << "Error: Could not open or find the image 'shapes.jpg'" << std::endl;
        return -1;
    }

    // 创建结构元素（内核）
    cv::Mat kernel = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(5, 5));

    // 进行膨胀操作
    cv::Mat dilated_img;
    cv::morphologyEx(img, dilated_img, cv::MORPH_DILATE, kernel);

    // 进行开运算（先腐蚀后膨胀）
    cv::Mat opened_img;
    cv::morphologyEx(img, opened_img, cv::MORPH_OPEN, kernel);

    // 显示原始图像和处理后的图像
    cv::imshow("Original Image", img);
    cv::imshow("Dilated Image", dilated_img);
    cv::imshow("Opened Image", opened_img);

    cv::waitKey(0);
    cv::destroyAllWindows();

    return 0;
}

五. 二值化、轮廓、文本绘制

先展示完整案例：

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

int main() {
    // 读取图像
    cv::Mat o = cv::imread("cat3.jpg", 1);

    // 检查图像是否加载成功
    if (o.empty()) {
        std::cerr << "Error: Could not open or find the image 'cat3.jpg'" << std::endl;
        return -1;
    }

    // 显示原始图像
    cv::imshow("original", o);

    // 转换为灰度图像
    cv::Mat gray;
    cv::cvtColor(o, gray, cv::COLOR_BGR2GRAY);

    // 二值化
    cv::Mat binary;
    cv::threshold(gray, binary, 127, 255, cv::THRESH_BINARY);

    // 查找轮廓
    std::vector<std::vector<cv::Point>> contours;
    std::vector<cv::Vec4i> hierarchy;
    cv::findContours(binary, contours, hierarchy, cv::RETR_TREE, cv::CHAIN_APPROX_SIMPLE);

    // 绘制第一个轮廓
    cv::drawContours(o, contours, 0, cv::Scalar(0, 0, 255), 3);

    // 计算矩
    cv::Moments m = cv::moments(contours[0]);
    double m00 = m.m00; // 非0像素值的和
    double m10 = m.m10; // 非0像素值*x轴坐标值的和
    double m01 = m.m01; // 非0像素值*y轴坐标值的和

    // 计算质心
    int cx = static_cast<int>(m10 / m00);
    int cy = static_cast<int>(m01 / m00);

    // 在质心位置绘制文本
    cv::putText(o, "cat", cv::Point(cx, cy), cv::FONT_HERSHEY_SIMPLEX, 1, cv::Scalar(0, 0, 255), 3);

    // 显示结果图像
    cv::imshow("result", o);

    // 等待按键
    cv::waitKey(0);

    // 销毁所有窗口
    cv::destroyAllWindows();

    return 0;
}

结果如图所示：

里面的重要函数：

1.cv::cvtColor 颜色转换

功能：将图像从一种颜色空间转换为另一种颜色空间。

语法：

cv::cvtColor(const cv::Mat& src, cv::Mat& dst, int code, int dstCn = 0)

参数含义
`src`	输入图像
`dst`	输出图像
`code`	颜色转换代码（常用 `cv::COLOR_BGR2GRAY）` 例如 `cv::COLOR_BGR2GRAY` 表示从BGR转换为灰度
`dstCn`	目标图像的通道数（可选参数）

示例： 将彩色图像 o 转化为灰度图像 gray

cv::Mat gray;
cv::cvtColor(o, gray, cv::COLOR_BGR2GRAY);

2.cv::threshold 二值化

！！！！！！！重要！！！！！！！

功能：将灰度图像转换为二值图像。

语法：

cv::threshold(const cv::Mat& src, cv::Mat& dst, double thresh, double maxval, int type)

参数含义
`src`	输入图像（单通道，通常是灰度图像）
`dst`	输出图像（与输入图像大小相同）
`thresh`	阈值，用于比较像素值的基准值
`maxval`	满足条件时分配给像素的最大值
`type`	阈值类型，例如 `cv::THRESH_BINARY`

常用的type： 0纯黑，255纯白

cv::THRESH_BINARY：如果像素值大于阈值，则将其设置为 maxval，否则设置为0。
cv::THRESH_BINARY_INV：如果像素值大于阈值，则将其设置为0，否则设置为 maxval。
cv::THRESH_TRUNC：如果像素值大于阈值，则将其设置为阈值，否则保持不变。
cv::THRESH_TOZERO：如果像素值大于阈值，则保持不变，否则设置为0。
cv::THRESH_TOZERO_INV：如果像素值大于阈值，则设置为0，否则保持不变。
cv::THRESH_BINARY_INV + cv::THRESH_OTSU：增加THRESH_OTSU方法，以自动确定最佳阈值

示例：将灰度图像 gray 转换为二值图像 binary，阈值为127，超过阈值的像素值设为255

cv::Mat binary;
cv::threshold(gray, binary, 127, 255, cv::THRESH_BINARY);
//自动最优阈值
cv::threshold(gray, binary,  0, 255, cv::THRESH_BINARY_INV+cv::THRESH_OTSU);

3.cv::findContours 查找轮廓

功能：查找图像中的轮廓。

语法：

cv::findContours(
    cv::Mat& image,
    std::vector<std::vector<cv::Point>>& contours,
    std::vector<cv::Vec4i>& hierarchy,
    int mode,
    int method
)

参数含义
`image`	输入的单通道二值图像。此函数会修改输入图像，因此需要传递图像的副本。
`contours`	输出的轮廓向量，每个轮廓是一个点的向量。
`hierarchy`	输出的层次结构信息向量。
`mode`	轮廓检索模式
`method`	轮廓逼近方法

其中的mode和method:

mode（轮廓检索模式）：
- cv::RETR_EXTERNAL：只检索最外层的轮廓。
- cv::RETR_LIST：检索所有的轮廓，不建立层次结构。
- cv::RETR_CCOMP：检索所有的轮廓，并将它们组织成两层的层次结构。
- cv::RETR_TREE：检索所有的轮廓，并重构嵌套轮廓的完整层次结构。
method（轮廓逼近方法）：
- cv::CHAIN_APPROX_NONE：存储所有的轮廓点。
- cv::CHAIN_APPROX_SIMPLE：压缩水平、垂直和对角线段，仅保留它们的端点。
- cv::CHAIN_APPROX_TC89_L1 和 cv::CHAIN_APPROX_TC89_KCOS：使用Teh-Chin链逼近算法。

示例：在二值图像中查找轮廓，并将结果存储在 contours 和 hierarchy 中。

//二值化图像
cv::Mat binary;
cv::threshold(src, binary, 127, 255, cv::THRESH_BINARY);

//查找轮廓
std::vector<std::vector<cv::Point>> contours;
std::vector<cv::Vec4i> hierarchy;
cv::findContours(binary, contours, hierarchy, cv::RETR_TREE, cv::CHAIN_APPROX_SIMPLE);

4. cv::drawContours 绘制轮廓

功能：在图像上绘制轮廓。

语法：

cv::drawContours(
    cv::Mat& image,
    const std::vector<std::vector<cv::Point>>& contours,
    int contourIdx,
    const cv::Scalar& color,
    int thickness,
    int lineType，
    const std::vector<cv::Vec4i>& hierarchy = std::vector<cv::Vec4i>(),
    int maxLevel = INT_MAX,
    cv::Point offset = cv::Point()
)

参数含义
`image`	目标图像，在该图像上绘制轮廓
`contours`	包含所有轮廓的向量，每个轮廓是一个点的向量。使用 `cv::findContours` 函数从二值图像中提取出来，并存储在这个向量中。
`contourIdx`	轮廓的索引。例如： -1表示绘制所有轮廓；0表示绘制第一个轮廓。
`color`	轮廓的颜色，用 `cv::Scalar` 定义。例如： `cv::Scalar(0, 0, 255)` 表示红色。
`thickness`	轮廓线的粗细，默认为 1。如果为负值，则填充轮廓。（以像素为单位）

以上为常用的参数，后面的几个为可选参数，通常不使用。

示例：（在上面的基础上）

cv::drawContours(o, contours, 0, cv::Scalar(0, 0, 255), 3);

5.cv::moments 计算矩

功能：计算给定轮廓或二值图像的空间矩。矩的计算是基于图像或轮廓中的像素值，通过数学公式来提取图像中的几何特征。

矩的具体定义和计算如下：

1.零阶矩（m00）: 表示图像中非零像素的总和，即图像中物体的面积。

其中，I(x,y)I(x,y)I(x,y)是图像中点(x,y)(x,y)(x,y)的像素值。

2.一阶矩（m10 和 m01）: 分别表示图像中非零像素的x坐标和y坐标的加权和，用于计算质心。

3.质心（Centroid）: 质心是图像中物体的重心位置，通过零阶矩和一阶矩计算得到。

语法：

cv::Moments m = cv::moments(const InputArray &array, bool binaryImage = false);

参数含义
array	输入的二值图像或轮廓（可以是`cv::Mat`或者`std::vector<cv::Point>`）
binaryImage	如果是二值图像，设为`true`；否则设为`false`。这个参数在处理二值图像时有助于提高计算效率。

示例：从cv::Moments对象中提取零阶矩和一阶矩，并计算质心坐标。

cv::Moments m = cv::moments(contours[0]);
double m00 = m.m00; // 非0像素值的和
double m10 = m.m10; // 非0像素值*x轴坐标值的和
double m01 = m.m01; // 非0像素值*y轴坐标值的和

// 计算质心
int cx = static_cast<int>(m10 / m00);
int cy = static_cast<int>(m01 / m00);

6.cv::putText 绘制文本

功能：用于在图像上绘制指定的文本。

语法：

cv::putText(
  cv::Mat &img, 
  const std::string &text, 
  cv::Point org, int fontFace, 
  double fontScale, cv::Scalar color, 
  int thickness = 1, 
  int lineType = 8, 
  bool bottomLeftOrigin = false
);

`img`	输入的图像，文本将绘制在这张图像上。
`text`	要绘制的文本字符串
`org`	文本起始点的坐标，用`cv::Point`表示，指定文本左下角的位置。
`fontFace`	字体类型，OpenCV支持多种字体类型。例如`cv::FONT_HERSHEY_SIMPLEX`、`cv::FONT_HERSHEY_PLAIN`等。
`fontScale`	字体缩放系数，控制文本的大小。（设为1就行）
`color`	文本颜色，使用`cv::Scalar`表示，可以定义BGR颜色值。例如`cv::Scalar(0, 0, 255)`表示红色。
`thickness`	（可选参数）文本的线条粗细（可选），默认为1。
`lineType`	（可选参数）线条类型，默认为8，表示8连接线。其他选项包括4和`cv::LINE_AA`（抗锯齿线条）。
`bottomLeftOrigin`	（可选参数）布尔值。如果为`true：`文本的原点将是图像的左下角。否则：否则是左上角。默认为`false`。

示例：在图像的质心位置绘制文本"cat"

// 计算质心
int cx = static_cast<int>(m10 / m00);
int cy = static_cast<int>(m01 / m00);

// 在质心位置绘制文本
cv::putText(o, "cat", cv::Point(cx, cy), cv::FONT_HERSHEY_SIMPLEX, 1, cv::Scalar(0, 0, 255), 3);

7.cv::contourArea() 函数轮廓面积

功能：用于计算各轮廓的面积。

语法：

cv::contourArea(const InputArray &contour, bool oriented = false);

参数含义
contour	输入的轮廓，是一个点的向量（`std::vector<cv::Point>`）
oriented	（可选参数）布尔值，如果为`true`，则返回有符号的面积，表示轮廓的方向（顺时针或逆时针）。默认值为`false`，返回绝对面积。

返回值：返回轮廓的面积（double类型）

完整示例：

#include <iostream>
#include <opencv2/opencv.hpp>
#include <vector>
#include <string>

using namespace cv;

int main() {
    // 读取图像
    cv::Mat o = cv::imread("opencv.png", 1);
    if (o.empty()) {
        std::cerr << "Error: Could not open or find the image 'opencv.png'" << std::endl;
        return -1;
    }

    // 转换为灰度图像
    cv::Mat gray;
    cv::cvtColor(o, gray, cv::COLOR_BGR2GRAY);

    // 二值化
    cv::Mat binary;
    cv::threshold(gray, binary, 127, 255, cv::THRESH_BINARY);

    // 查找轮廓
    std::vector<std::vector<cv::Point>> contours;
    std::vector<cv::Vec4i> hierarchy;
    cv::findContours(binary, contours, hierarchy, cv::RETR_TREE, cv::CHAIN_APPROX_SIMPLE);

    int n = contours.size();

    for (int i = 0; i < n; ++i) {
        double area = cv::contourArea(contours[i]);
        if (area > 1000) {
            // 绘制轮廓
            cv::drawContours(o, contours, i, cv::Scalar(0, 0, 255), 1);

            // 计算质心
            cv::Moments m = cv::moments(contours[i]);
            if (m.m00 != 0) { // 确保 m00 不为零
                int cx = static_cast<int>(m.m10 / m.m00);
                int cy = static_cast<int>(m.m01 / m.m00);

                // 在质心位置绘制文本
                std::string ii = std::to_string(i);
                cv::putText(o, ii, cv::Point(cx, cy), cv::FONT_HERSHEY_SCRIPT_SIMPLEX, 1, cv::Scalar(0, 0, 255));

                // 打印面积
                std::cout << "轮廓" << i << "的面积为" << area << std::endl;
            }
        }
    }

    // 显示结果图像
    cv::imshow("result", o);
    cv::waitKey(0);
    cv::destroyAllWindows();

    return 0;
}

六.实战-物体计数

#include <iostream>
#include <opencv2/opencv.hpp>
#include <vector>
#include <string>

using namespace std;

int main() {
    // 读取图像
    cv::Mat o = cv::imread("count.jpg", 1);
    if (o.empty()) {
        cerr << "Error: Could not open or find the image." << endl;
        return -1;
    }

    // 转换为灰度图像
    cv::Mat gray;
    cv::cvtColor(o, gray, cv::COLOR_BGR2GRAY);

    // 二值化，使用 OTSU 方法自动确定阈值
    cv::Mat binary;
    cv::threshold(gray, binary, 0, 255, cv::THRESH_BINARY_INV + cv::THRESH_OTSU);

    // 生成结构元素
    cv::Mat kernel = cv::getStructuringElement(cv::MORPH_ELLIPSE, cv::Size(5, 5));

    // 腐蚀和膨胀操作
    cv::Mat erosion;
    cv::erode(binary, erosion, kernel, cv::Point(-1, -1), 4);
    cv::Mat dilation;
    cv::dilate(erosion, dilation, kernel, cv::Point(-1, -1), 3);

    // 高斯模糊
    cv::Mat gaussian;
    cv::GaussianBlur(dilation, gaussian, cv::Size(3, 3), 1);

    // 查找轮廓
    vector<vector<cv::Point>> contours;
    vector<cv::Vec4i> hierarchy;
    cv::findContours(gaussian, contours, hierarchy, cv::RETR_TREE, cv::CHAIN_APPROX_SIMPLE);

    // 筛选符合要求的轮廓
    vector<vector<cv::Point>> contoursOK;
    for (size_t i = 0; i < contours.size(); ++i) {
        double area = cv::contourArea(contours[i]);
        if (area > 30) {
            contoursOK.push_back(contours[i]);
        }
    }

    // 绘制筛选后的轮廓
    cv::drawContours(o, contoursOK, -1, cv::Scalar(0, 255, 0), 1);

    // 标记质心
    for (size_t i = 0; i < contoursOK.size(); ++i) {
        cv::Moments m = cv::moments(contoursOK[i]);
        if (m.m00 != 0) {
            int cx = static_cast<int>(m.m10 / m.m00);
            int cy = static_cast<int>(m.m01 / m.m00);
            string ii = to_string(i + 1);
            cv::putText(o, ii, cv::Point(cx, cy), cv::FONT_HERSHEY_PLAIN, 1.5, cv::Scalar(0, 0, 255), 2);
        }
    }

    // 显示结果
    cv::imshow("result", o);
    cv::waitKey(0);
    cv::destroyAllWindows();

    return 0;
}

结果如图：