### 回答1:
以下是提取轮廓坐标和中心点的代码示例:
```
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main()
{
Mat src = imread("image.jpg", IMREAD_GRAYSCALE);
Mat binary;
threshold(src, binary, 100, 255, THRESH_BINARY);
vector<vector<Point>> contours;
vector<Vec4i> hierarchy;
findContours(binary, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);
for (size_t i = ; i < contours.size(); i++)
{
// 计算轮廓的中心点
Moments mu = moments(contours[i]);
Point2f center(mu.m10 / mu.m00, mu.m01 / mu.m00);
cout << "Contour " << i << " center: " << center << endl;
// 输出轮廓的坐标
for (size_t j = ; j < contours[i].size(); j++)
{
cout << "Contour " << i << " point " << j << ": " << contours[i][j] << endl;
}
}
return ;
}
```
这段代码可以读取一张灰度图像,提取其轮廓,并输出每个轮廓的坐标和中心点。
### 回答2:
以下是使用OpenCV C进行轮廓提取,并获取轮廓坐标和中心点的代码:
```c
#include <opencv2/opencv.hpp>
using namespace cv;
int main()
{
// 读取图像
Mat image = imread("example.jpg", IMREAD_GRAYSCALE);
// 阈值化图像
threshold(image, image, 128, 255, THRESH_BINARY);
// 查找轮廓
std::vector<std::vector<Point>> contours;
findContours(image, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
// 遍历每个轮廓
for (int i = 0; i < contours.size(); i++)
{
// 绘制轮廓
drawContours(image, contours, i, Scalar(255), 2);
// 计算轮廓的中心点
Moments m = moments(contours[i]);
Point center(m.m10 / m.m00, m.m01 / m.m00);
// 输出轮廓坐标和中心点
printf("Contour %d:\n", i);
for (int j = 0; j < contours[i].size(); j++)
{
printf("Point %d: (%d, %d)\n", j, contours[i][j].x, contours[i][j].y);
}
printf("Center: (%d, %d)\n", center.x, center.y);
}
// 显示结果
imshow("Contours", image);
waitKey(0);
return 0;
}
```
请注意,您需要将图像文件名更改为实际使用的图像文件,并根据需要进行其他适应性更改。此代码可用于提取图像中的轮廓,然后计算每个轮廓的中心点,并打印出轮廓坐标和中心点的值。
### 回答3:
确定OpenCV版本:
首先,需要确定使用的OpenCV版本是C++还是C。如果是C++版本,可以使用cv::findContours函数来提取轮廓坐标和中心点。
C++代码示例:
```cpp
#include <opencv2/opencv.hpp>
#include <iostream>
int main()
{
// 加载图像
cv::Mat image = cv::imread("input.png", cv::IMREAD_GRAYSCALE);
// 二值化图像
cv::Mat binaryImage;
cv::threshold(image, binaryImage, 128, 255, cv::THRESH_BINARY);
// 寻找轮廓
std::vector<std::vector<cv::Point>> contours;
std::vector<cv::Vec4i> hierarchy;
cv::findContours(binaryImage, contours, hierarchy, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
// 遍历每个轮廓
for (int i = 0; i < contours.size(); i++)
{
// 计算轮廓中心点坐标
cv::Moments moments = cv::moments(contours[i]);
cv::Point center(moments.m10 / moments.m00, moments.m01 / moments.m00);
// 打印轮廓坐标和中心点坐标
std::cout << "Contour #" << i << std::endl;
for (int j = 0; j < contours[i].size(); j++)
{
std::cout << "Coordinate: (" << contours[i][j].x << ", " << contours[i][j].y << ")" << std::endl;
}
std::cout << "Center: (" << center.x << ", " << center.y << ")" << std::endl;
}
return 0;
}
```
以上示例代码假设输入的图像是灰度图像,二值化阈值为128,且只提取外部轮廓(RETR_EXTERNAL)。
如果使用的是C版本的OpenCV,可以参考以下代码进行相应修改:
C代码示例:
```c
#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui_c.h>
#include <stdio.h>
int main()
{
// 加载图像
IplImage* image = cvLoadImage("input.png", CV_LOAD_IMAGE_GRAYSCALE);
CvMat* binaryImage = cvCreateMat(image->height, image->width, CV_8UC1);
// 二值化图像
cvThreshold(image, binaryImage, 128, 255, CV_THRESH_BINARY);
// 寻找轮廓
CvMemStorage* storage = cvCreateMemStorage(0);
CvSeq* contours = NULL;
cvFindContours(binaryImage, storage, &contours, sizeof(CvContour), CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);
// 遍历每个轮廓
int i = 0;
for (CvSeq* contour = contours; contour != NULL; contour = contour->h_next)
{
CvMoments moments;
cvMoments(contour, &moments);
int cX = (int)(moments.m10 / moments.m00);
int cY = (int)(moments.m01 / moments.m00);
printf("Contour #%d\n", i++);
for (int j = 0; j < contour->total; j++)
{
CvPoint* pt = (CvPoint*)cvGetSeqElem(contour, j);
printf("Coordinate: (%d, %d)\n", pt->x, pt->y);
}
printf("Center: (%d, %d)\n", cX, cY);
}
cvReleaseImage(&image);
cvReleaseMat(&binaryImage);
cvReleaseMemStorage(&storage);
return 0;
}
```
请注意,在C版本的OpenCV中,使用的是IplImage和CvMat来表示图像,使用CvMemStorage和CvSeq来处理轮廓。
以上两个示例代码中的input.png是作为输入图像的文件名。你需要根据实际图像的文件名进行修改。