步骤如下：

1.图片灰化；

2.中值滤波 去噪

3.求图片的光影(自动光学检测)

4.除法去光影

5.阈值操作

6.实现了三种目标检测方法

主要分两种连通区域和findContours

过程遇到了错误主要是图片忘了灰化处理，随机颜色的问题。下面代码都已经进行了解决

这是findContours的效果

下面是连通区域的结果

#include

#include

#include

#include

#include

#include

#include

#include

#include

using namespace std;

using namespace cv;

Mat img = imread("C:\\Users\\hasee\\Desktop\\luosi.jpg",0);

Mat removeLight(Mat imge, Mat pattern, int method);

Mat calculateLightPattern(Mat img);

static Scalar randomColor(RNG& rng);

void ConnectedComponents(Mat img);

void ConnectedComponetsStats(Mat img);

void FindContoursBasic(Mat img);

void main()

{

Mat img_noise;

medianBlur(img,img_noise,3);

Mat pattern = calculateLightPattern(img_noise);

Mat re_light = removeLight(img_noise, pattern, 1);

Mat img_thr;

threshold(re_light,img_thr,30,255,THRESH_BINARY);

//ConnectedComponents(img_thr);

ConnectedComponetsStats(img_thr);

//FindContoursBasic(img_thr);

waitKey(0);

}

Mat removeLight(Mat imge, Mat pattern, int method) {

Mat aux;

if (method == 1) {

Mat img32, pattern32;

imge.convertTo(img32, CV_32F);

pattern.convertTo(pattern32, CV_32F);

aux = 1 - (img32 / pattern32);

aux = aux * 255;

aux.convertTo(aux, CV_8U);

}

else {

aux = pattern - imge;

}

return aux;

}

Mat calculateLightPattern(Mat img) {

Mat pattern;

blur(img, pattern, Size(img.cols / 3, img.cols / 3));

return pattern;

}

static Scalar randomColor(RNG& rng)

{

int icolor = (unsigned)rng;

return Scalar(icolor & 255, (icolor >> 8) & 255, (icolor >> 16) & 255);

}

void ConnectedComponents(Mat img) {

Mat lables;

int num_objects = connectedComponents(img, lables);

if (num_objects < 2) {

cout << "未检测到目标" << endl;

return;

}

else {

cout << "检测到的目标数量： " << num_objects - 1 << endl;

}

Mat output = Mat::zeros(img.rows,img.cols,CV_8UC3);

RNG rng(0xFFFFFFFF);

for (int i = 1; i < num_objects;i++) {

Mat mask = lables == i;

output.setTo(randomColor(rng),mask);

}

imshow("Result",output);

}

void ConnectedComponetsStats(Mat img) {

Mat labels, stats, centroids;

int num_objects = connectedComponentsWithStats(img,labels,stats,centroids);

if (num_objects<2) {

cout << "未检测到目标" << endl;

return;

}

else {

cout << "检测到的目标数量： " << num_objects - 1 << endl;

}

Mat output = Mat::zeros(img.rows, img.cols, CV_8UC3);

RNG rng(0xFFFFFFFF);

for (int i = 1; i < num_objects; i++) {

Mat mask = labels == i;

output.setTo(randomColor(rng), mask);

stringstream ss;

ss << "area: " << stats.at(i,CC_STAT_AREA);

putText(output,ss.str(), centroids.at(i),FONT_HERSHEY_SIMPLEX,0.4,Scalar(255,255,255));

}

imshow("Result", output);

}

void FindContoursBasic(Mat img) {

vector> contours;

findContours(img, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);

Mat output = Mat::zeros(img.rows, img.cols, CV_8UC3);

if (contours.size()==0) {

cout << "未检测到对象" << endl;

return;

}else{

cout << "检测到对象数量： " << contours.size() << endl;

}

RNG rng(0xFFFFFFFF);

for (int i = 0; i < contours.size(); i++)

drawContours(output,contours,i,randomColor(rng));

imshow("Result", output);

}

补充知识：SURF特征点检测与匹配之误匹配点删除

SURF特征点检测与匹配之误匹配点删除

SURF(SpeededUp Robust Feature)是加速版的具有鲁棒性的算法，是SIFT算法的加速版。

但是SURF特征匹配之后有大量的误匹配点，需要对这些误匹配点进行删除。

这里不从理论上讲解SURF原理等，直接说用法。

特征匹配的步骤分为三步：

1、找出特征点

2、描述特征点

3、特征点匹配

具体基本代码见最后。具体的可以看毛星云的书籍，但是个人认为其编程风格不严谨，自己有做改动。

但是匹配出来的结果如下：

有很多的误匹配点，如何对误匹配点进行删除呢。

双向匹配加距离约束。

实验结果如下：效果还是非常好的。

#include "stdafx.h"

#include

#include

#include

#include

int _tmain(int argc, _TCHAR* argv[])

{

//读取图片

cv::Mat srcImg1 = cv::imread("1.jpg", 1);

cv::Mat srcImg2 = cv::imread("2.jpg", 1);

if (srcImg1.empty() || srcImg2.empty())

{

std::cout << "Read Image ERROR!" << std::endl;

return 0;

}

//SURF算子特征点检测

int minHessian = 700;

cv::SurfFeatureDetector detector(minHessian);//定义特征点类对象

std::vector<:keypoint> keyPoint1, keyPoint2;//存放动态数组，也就是特征点

detector.detect(srcImg1, keyPoint1);

detector.detect(srcImg2, keyPoint2);

//特征向量

cv::SurfDescriptorExtractor extrator;//定义描述类对象

cv::Mat descriptor1, descriptor2;//描述对象

extrator.compute(srcImg1, keyPoint1, descriptor1);

extrator.compute(srcImg2, keyPoint2, descriptor2);

//BruteForce暴力匹配

cv::BruteForceMatcher <:l2>>matcher;//匹配器

std::vector <:dmatch> matches;

matcher12.match(descriptor1, descriptor2, matches);

//绘制关键点

cv::Mat imgMatch;

cv::drawMatches(srcImg1, keyPoint1, srcImg2, keyPoint2, matches, imgMatch);

cv::namedWindow("匹配图", CV_WINDOW_AUTOSIZE);

cv::imshow("匹配图", imgMatch);

cv::imwrite("匹配图.jpg", imgMatch);

cv::waitKey(10);

return 0;

}

以上这篇浅谈opencv自动光学检测、目标分割和检测(连通区域和findContours)就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。