C++ OpenCV标记点检测怎么实现

这篇文章主要介绍“c++ OpenCV标记点检测怎么实现”的相关知识，小编通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“C++ OpenCV标记点检测怎么实现”文章能帮助大家解决问题。

效果如下：

导入原图：

截取ROI

进行自适应阈值化与Canny边缘提取

进行闭运算，然后轮廓检测，然后计算点集面积，通过面积阈值去除杂点

再次进行轮廓检测，拟合椭圆

代码如下：

#include <opencv2\highgui\highgui.hpp>#include <opencv2\imgproc\imgproc.hpp>#include <opencv2\core\core.hpp>#include <iOStream>#define scale 2//图像缩放因子#define cannythreshold 80typedef struct _ROIStruct{cv::Point2d ROIPoint;cv::Mat ROIImage;}ROIStruct;ROIStruct getROI(cv::Mat src,bool flag = false){ROIStruct ROI_Struct;cv::Rect2d ROIrect = selectROI(src);ROI_Struct.ROIPoint = ROIrect.tl();//获取ROI区域左上角的点ROI_Struct.ROIImage = src(ROIrect);if (flag == true){cv::imshow("ROI", ROI_Struct.ROIImage);}return ROI_Struct;}int main(){cv::Mat srcImage = cv::imread("7.jpg");//读取待处理的图片cv::resize(srcImage, srcImage, cv::Size(srcImage.cols / scale, srcImage.rows / scale));//图像缩放,否则原来图像会在ROI时显示不下ROIStruct ROI = getROI(srcImage);//选择ROI区域cv::Mat DetectImage, thresholdImage;ROI.ROIImage.copyTo(DetectImage);cv::imshow("ROI", DetectImage);cv::cvtColor(DetectImage, thresholdImage, CV_RGB2GRAY);cv::adaptiveThreshold(thresholdImage, thresholdImage, 255, CV_ADAPTIVE_THRESH_GAUSSIAN_C, CV_THRESH_BINARY,11,35);//自适应阈值cv::Canny(thresholdImage, thresholdImage, cannythreshold, cannythreshold * 3, 3);cv::imshow("thresholdImage", thresholdImage);std::vector<std::vector<cv::Point>> contours1;std::vector<cv::Vec4i> hierarchy1;cv::Mat element = cv::getStructuringElement(cv::MORPH_ELLIPSE, cv::Size(3, 3));cv::morphologyEx(thresholdImage, thresholdImage, cv::MORPH_CLOSE, element,cv::Point(-1,-1),2);cv::Mat findImage = cv::Mat::zeros(thresholdImage.size(), CV_8UC3);cv::findContours(thresholdImage, contours1, hierarchy1,CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE);for (int i = 0; i <contours1.size();i++){double area = cv::contourArea(contours1[i]);//std::cout << i << "点集区域面积:" << area << std::endl;if (area < 120){continue;}else{drawContours(findImage, contours1, i, cv::Scalar(255, 255, 255), -1, 8, cv::Mat(), 0, cv::Point());}}cv::imshow("drawing", findImage);cv::Mat CircleImage(findImage.size(),CV_8UC1);findImage.copyTo(CircleImage);cv::cvtColor(CircleImage, CircleImage, CV_RGB2GRAY);std::vector<std::vector<cv::Point>> contours2;std::vector<cv::Vec4i> hierarchy2;cv::Mat resultImage(CircleImage.size(), CV_8UC3);cv::findContours(CircleImage, contours2, hierarchy2, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE);std::vector<cv::Point> points1, points2;cv::Mat compareImage;DetectImage.copyTo(compareImage);for (int j = 0; j <contours2.size();j++){cv::RotatedRect box = cv::fitEllipse(contours2[j]);points1.push_back(box.center);ellipse(resultImage, box, cv::Scalar(0, 0, 255), 1, CV_AA);ellipse(compareImage, box, cv::Scalar(0, 0, 255), 1, CV_AA);}for (int i = 0; i < points1.size(); i++){cv::Point ans;ans.x = ROI.ROIPoint.x + points1[i].x;ans.x = ans.x*scale;ans.y = ROI.ROIPoint.y + points1[i].y;ans.y = ans.y*scale;points2.push_back(ans);}std::cout << points1 << std::endl;std::cout << ROI.ROIPoint << std::endl;std::cout << points2 << std::endl;cv::imshow("resultImage", resultImage);cv::imshow("compareImage", compareImage);cv::waiTKEy(0);return 0;}

关于“C++ OpenCV标记点检测怎么实现”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识，可以关注编程网其他教程频道，小编每天都会为大家更新不同的知识点。