opencv 자동 광학 검 측,목표 분할 및 검 측(연결 영역 과 find Contours)
1.그림 회색 화;
2.중간 값 필터 소음 제거
3.그림 의 빛 과 그림자 구하 기(자동 광학 검 측)
4.빛 빼 기
5.한도 값 조작
6.세 가지 목표 검 측 방법 을 실현 했다.
주로 두 가지 연결 구역 과 find Contours 로 나 뉜 다.
과정 에 오류 가 발생 한 것 은 주로 그림 이 회색 처 리 를 잊 어 버 리 고 무 작위 색상 의 문제 이다.다음 코드 는 모두 해결 되 었 습 니 다.
이것 은 find Contours 의 효과 입 니 다.
다음은 연결 구역 의 결과 입 니 다.
#include <opencv2\core\utility.hpp>
#include <opencv2\imgproc.hpp>
#include <opencv2\highgui.hpp>
#include<opencv2\opencv.hpp>
#include <opencv2\core\core.hpp>
#include <opencv2\core\matx.hpp>
#include<string>
#include <iostream>
#include <limits>
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 << " " << endl;
return;
}
else {
cout << " : " << 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 << " " << endl;
return;
}
else {
cout << " : " << 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<int>(i,CC_STAT_AREA);
putText(output,ss.str(), centroids.at<Point2d>(i),FONT_HERSHEY_SIMPLEX,0.4,Scalar(255,255,255));
}
imshow("Result", output);
}
void FindContoursBasic(Mat img) {
vector<vector<Point>> contours;
findContours(img, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
Mat output = Mat::zeros(img.rows, img.cols, CV_8UC3);
if (contours.size()==0) {
cout << " " << endl;
return;
}else{
cout << " : " << contours.size() << endl;
}
RNG rng(0xFFFFFFFF);
for (int i = 0; i < contours.size(); i++)
drawContours(output,contours,i,randomColor(rng));
imshow("Result", output);
}
추가 지식:SURF 특징 점 검 측 과 일치 하 는 오류 일치 점 삭제SURF 특징 점 검 측 과 일치 하 는 오류 일치 점 삭제
SURF(Speeded Up Robust Feature)는 가속 판 의 노 봉 성 을 가 진 알고리즘 으로,SIFT 알고리즘 의 가속 판이 다.
그러나 SURF 특징 이 일치 한 후 대량의 오류 일치 점 이 있 으 므 로 이러한 오류 일치 점 을 삭제 해 야 합 니 다.
SURF 원리 등 을 이론 적 으로 설명 하지 않 고 직접 용법 을 말한다.
특징 이 일치 하 는 절 차 는 세 단계 로 나 뉜 다.
1.특징 점 찾기
2.특징 점 설명
3.특징 점 일치
구체 적 인 기본 코드 는 마지막 으로 보 자.구체 적 으로 는 모 성운 의 책 을 볼 수 있 지만 개인 적 으로 프로 그래 밍 스타일 이 엄밀 하지 않 고 자신 이 변경 했다 고 생각 합 니 다.
그러나 일치 하 는 결 과 는 다음 과 같다.
잘못된 일치 점 이 많 습 니 다.잘못된 일치 점 을 어떻게 삭제 합 니까?
양 방향 일치 거리 제약.
실험 결 과 는 다음 과 같다.효 과 는 여전히 매우 좋다.
#include "stdafx.h"
#include <opencv2\opencv.hpp>
#include <opencv2
onfree
onfree.hpp>
#include <opencv2\legacy\legacy.hpp>
#include <iostream>
int _tmain(int argc, _TCHAR* argv[])
{
//
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
int minHessian = 700;
cv::SurfFeatureDetector detector(minHessian);//
std::vector<cv::KeyPoint> keyPoint1, keyPoint2;// ,
detector.detect(srcImg1, keyPoint1);
detector.detect(srcImg2, keyPoint2);
//
cv::SurfDescriptorExtractor extrator;//
cv::Mat descriptor1, descriptor2;//
extrator.compute(srcImg1, keyPoint1, descriptor1);
extrator.compute(srcImg2, keyPoint2, descriptor2);
//BruteForce
cv::BruteForceMatcher <cv::L2<float>>matcher;//
std::vector <cv::DMatch> matches;
matcher12.match(descriptor1, descriptor2, matches);
//
cv::Mat imgMatch;
cv::drawMatches(srcImg1, keyPoint1, srcImg2, keyPoint2, matches, imgMatch);
cv::namedWindow(" ", CV_WINDOW_AUTOSIZE);
cv::imshow(" ", imgMatch);
cv::imwrite(" .jpg", imgMatch);
cv::waitKey(10);
return 0;
}
이상 의 이 평론 은 opencv 자동 광학 검 측,목표 분할 과 검 측(연결 구역 과 find Contours)이 모두 에 게 공 유 된 모든 내용 입 니 다.여러분 에 게 참고 가 되 고 많은 응원 을 바 랍 니 다.
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
ip camera android에 액세스하고 java를 사용하여 모니터에 표시그런 다음 PC에서 다운로드 폴더를 추출해야 합니다 그런 다음 프로젝트 폴더에 다운로드한 javacv 라이브러리를 추가해야 합니다. 먼저 라이브러리 폴더를 마우스 오른쪽 버튼으로 클릭한 다음 jar/폴더 추가를 선택...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.