距离变换distanceTransform应用——寻找图像的质心

距离变换distanceTransform应用——寻找图像的质心

OpenCV中distanceTransform方法用于计算图像中每一个非零点距离离自己最近的零点的距离,distanceTransform的第二个Mat矩阵参数dst保存了每一个点与最近的零点的距离信息,图像上越亮的点,代表了离零点的距离越远。

可以根据距离变换的这个性质,经过简单的运算,用于细化字符的轮廓和查找物体质心(中心)。

#include "core/core.hpp"  
#include "imgproc/imgproc.hpp"  
#include "highgui/highgui.hpp"  
using namespace cv;
int main(int argc, char *argv[])
{
    float maxValue = 0;  //定义距离变换矩阵中的最大值  
    Point Pt(0, 0);
    Mat image = imread("corner.tif");
    Mat imageGray;
    cvtColor(image, imageGray, CV_RGB2GRAY);
    imageGray = ~imageGray;  //取反  
    GaussianBlur(imageGray, imageGray, Size(5, 5), 2); //滤波  
    threshold(imageGray, imageGray, 20, 200, CV_THRESH_BINARY); //阈值化     
    Mat imageThin(imageGray.size(), CV_32FC1); //定义保存距离变换结果的Mat矩阵  
    distanceTransform(imageGray, imageThin, CV_DIST_L2, 3);  //距离变换  
    Mat distShow;
    distShow = Mat::zeros(imageGray.size(), CV_8UC1); //定义细化后的字符轮廓  
    for (int i = 0; i<imageThin.rows; i++)
    {
        for (int j = 0; j<imageThin.cols; j++)
        {
            distShow.at<uchar>(i, j) = imageThin.at<float>(i, j);
            if (imageThin.at<float>(i, j)>maxValue)
            {
                maxValue = imageThin.at<float>(i, j);  //获取距离变换的极大值  
                Pt = Point(j, i);  //坐标  
            }
        }
    }
    normalize(distShow, distShow, 0, 255, CV_MINMAX); //为了显示清晰,做了0~255归一化  
    circle(image, Pt, maxValue, Scalar(0, 0, 255), 3);
    circle(image, Pt, 3, Scalar(0, 255, 0), 3);
    imshow("Source Image", image);
    imshow("Thin Image", distShow);
    waitKey();
    return 0;
}
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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