Opencv 图像矩

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

Mat img1, img2, img3, img4, img_result, img_gray1, img_gray2, img_gray3, img_canny1;

char win1[] = "window1";
char win2[] = "window2";
char win3[] = "window3";
char win4[] = "window4";
char win5[] = "window5";

int thread_value = 100;
int max_value = 255;
RNG rng1(12345);

int Demo_Moments();
void Demo_1(int, void*);

//图像矩
int Demo_Moments()
{
  namedWindow(win1, CV_WINDOW_AUTOSIZE);
  namedWindow(win2, CV_WINDOW_AUTOSIZE);
  //namedWindow(win3, CV_WINDOW_AUTOSIZE);

  img1 = imread("D://images//19.png");
  //img2 = imread("D://images//1//p5_1.jpg");
  if (img1.empty())
  {
    cout << "could not load image..." << endl;
    return 0;
  }

  imshow(win1, img1);
  //img4 = Mat::zeros(img1.size(), CV_8UC3);

  //转灰度图
  cvtColor(img1, img_gray1, CV_BGR2GRAY);
  //模糊处理
  //blur(img_gray1, img2, Size(3, 3), Point(-1, -1), BORDER_DEFAULT);
  GaussianBlur(img1, img2, Size(3, 3), 0, 0);

  createTrackbar("track", win1, &thread_value, max_value, Demo_1);
  Demo_1(0, 0);

  return 0;
}

void Demo_1(int, void*)
{
  vector<vector<Point>> vec_p;
  vector<Vec4i> vec_4i;
  img4 = Mat::zeros(img1.size(), CV_8UC3);

  //threshold(img2, img3, thread_value, max_value, THRESH_BINARY);
  Canny(img2, img3, thread_value, thread_value * 2, 3, false);
  findContours(img3, vec_p, vec_4i, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0));

  //vector<vector<Point>> convexs(vec_p.size());
  vector<Moments> contours_moments(vec_p.size());
  vector<Point2f> ccs(vec_p.size());
  for (size_t i = 0; i<vec_p.size(); i++)
  {
    contours_moments[i] = moments(vec_p[i]);
    ccs[i] = Point(static_cast<float>(contours_moments[i].m10/contours_moments[i].m00),static_cast<float>(contours_moments[i].m01/contours_moments[i].m00));
  }

  for (size_t j = 0; j<vec_p.size(); j++)
  {
    if (vec_p[j].size() <100)
    {
      continue;
    }
    Scalar color_1 = Scalar(rng1.uniform(0, 255), rng1.uniform(0, 255), rng1.uniform(0, 255));
    
    printf("center point x : %.2f y : %.2f\n", ccs[j].x, ccs[j].y);
    printf("contours %d area : %.2f arc length : %.2f\n", j, contourArea(vec_p[j]), arcLength(vec_p[j], true));

    drawContours(img4, vec_p, j, color_1, 2, LINE_8, vec_4i, 0, Point(0, 0));
    circle(img4,ccs[j],2,color_1,2,8);
  }
  imshow(win2, img4);
}

int main()
{
  Demo_Moments();

  waitKey(0);
  return 0;
}

--------------------------------------------------------------------------

center point x : 627.00 y : 607.00
contours 5 area : 68.00 arc length : 498.84
center point x : 534.00 y : 609.00
contours 7 area : 41.50 arc length : 300.15
center point x : 691.00 y : 611.00
contours 8 area : 20.00 arc length : 207.97
center point x : 896.00 y : 570.00
contours 10 area : 56.00 arc length : 478.90
center point x : 880.00 y : 479.00
contours 11 area : 103.00 arc length : 691.15
center point x : 721.00 y : 427.00
contours 12 area : 26.50 arc length : 320.84
center point x : 411.00 y : 364.00
contours 16 area : 32.50 arc length : 333.81
center point x : 282.00 y : 362.00
contours 18 area : 53.50 arc length : 543.83
center point x : 334.00 y : 439.00
contours 19 area : 150.50 arc length : 1344.58
center point x : 606.00 y : 397.00
contours 21 area : 38.50 arc length : 389.95
center point x : 1017.00 y : 425.00
contours 23 area : 88.50 arc length : 742.42
center point x : 1088.00 y : 352.00
contours 27 area : 46.50 arc length : 380.23
center point x : 723.00 y : 416.00
contours 37 area : 119.50 arc length : 1088.67
center point x : 851.00 y : 268.00
contours 40 area : 26.50 arc length : 361.46
center point x : 96.00 y : 336.00
contours 43 area : 63.00 arc length : 541.73
center point x : 739.00 y : 255.00
contours 47 area : 46.00 arc length : 432.82
center point x : 806.00 y : 253.00
contours 53 area : 56.50 arc length : 310.58
center point x : 556.00 y : 318.00
contours 56 area : 58.50 arc length : 492.17
center point x : 100.00 y : 186.00
contours 63 area : 12.50 arc length : 163.78
center point x : 552.00 y : 193.00
contours 65 area : 32.50 arc length : 318.49
center point x : 420.00 y : 199.00
contours 66 area : 44.50 arc length : 372.09
center point x : 400.00 y : 242.00
contours 67 area : 61.00 arc length : 519.73
center point x : 735.00 y : 187.00
contours 71 area : 50.50 arc length : 246.63
center point x : 350.00 y : 114.00
contours 75 area : 31.50 arc length : 267.52
center point x : 202.00 y : 184.00
contours 77 area : 83.50 arc length : 604.34
center point x : 299.00 y : 153.00
contours 79 area : 139.50 arc length : 1052.33
center point x : 761.00 y : 126.00
contours 83 area : 15.50 arc length : 298.55
center point x : 983.00 y : 66.00
contours 85 area : 51.50 arc length : 433.06
center point x : 533.00 y : 129.00
contours 86 area : 58.00 arc length : 515.19
center point x : 533.00 y : 143.00
contours 88 area : 79.50 arc length : 3004.34

--------------------------------------------------------------------------

原文地址:https://www.cnblogs.com/herd/p/9737878.html

时间: 2024-10-11 00:26:35

Opencv 图像矩的相关文章

opencv图像原地(不开辟新空间)顺时旋转90度

前一阵朋友碰到这么一道题:将图像原地顺时针旋转90度,不开辟新空间.此题看似平易(题目简短),仔细研究发现着实不容易.经过一番探索后,终于找到了正确的算法,但是当使用opencv实现时,有碰到了困难而且费了一番周折才找到问题所在. 首先,解决这个问题,先简化成原地90度旋转一M×N的矩阵A(注意不是N×N方阵).对于2×3的矩阵A = {1,2,3;4,5,6},其目标为矩阵B = {4,1;5,2;6,3}.因为是原地旋转,这里A和B应指向同一大小为6的内存空间. 这里有这样一个重要的导出公式

OpenCV &mdash;&mdash; 图像局部与部分分割(一)

背景减除 一旦背景模型建立,将背景模型和当前的图像进行比较,然后减去这些已知的背景信息,则剩下的目标物大致就是所求的前景目标了 缺点 -- 该方法基于一个不长成立的假设:所有像素点是独立的 场景建模 新的前景(物体移动的新位置) -- 旧的前景 (物体离开后留下的"空洞")-- 背景 cvInitLineIterator()  和  CV_NEXT_LINE_POINT() 对任意直线上的像素进行采样 // 从视频的一行中读出所有像素的RGB值,收集这些数值并将其分成三个文件 #inc

OpenCV &mdash;&mdash; 图像局部与分割(二)

分水岭算法 将图像中的边缘转化成"山脉",将均匀区域转化为"山谷" 分水岭算法首先计算灰度图像的梯度,这对山谷或没有纹理的盆地(亮度值低的点)的形成有效,也对山头或图像中没有主导线段的山脉(山脊对应的边缘)的形成有效.然后开始从用户指定点或算法得到的点开始"灌注"盆地知道这些区域连在一起.基于这样产生的标记就可以把区域合并到一起,合并后的区域又通过聚集的方式进行分割,好像图像被"填充"起来. cvWatershed 用 Inp

[转]OpenCV图像金字塔:高斯金字塔、拉普拉斯金字塔与图片尺寸缩放

[OpenCV入门教程之十三]OpenCV图像金字塔:高斯金字塔.拉普拉斯金字塔与图片尺寸缩放 2014-05-18 18:58 36007人阅读 评论(54) 收藏 举报 本文章已收录于:  OpenCV知识库 本系列文章由@浅墨_毛星云 出品,转载请注明出处. 文章链接:http://blog.csdn.net/poem_qianmo/article/details/26157633 作者:毛星云(浅墨)    微博:http://weibo.com/u/1723155442 知乎:http

【OpenCV入门教程之十三】OpenCV图像金字塔:高斯金字塔、拉普拉斯金字塔与图片尺寸缩放

本系列文章由@浅墨_毛星云 出品,转载请注明出处. 文章链接:http://blog.csdn.net/poem_qianmo/article/details/26157633 作者:毛星云(浅墨)    微博:http://weibo.com/u/1723155442 知乎:http://www.zhihu.com/people/mao-xing-yun 邮箱: [email protected] 写作当前博文时配套使用的OpenCV版本: 2.4.9 这篇文章里,我们将一起探讨图像金字塔的一

Opencv 图像读取与保存问题

本系列文章由 @yhl_leo 出品,转载请注明出处. 文章链接: http://blog.csdn.net/yhl_leo/article/details/49737357 本文仅对 Opencv图像读取与保存进行阐述,重在探讨图像读取与保存过程中应注意的细节问题. 1 图像读取 首先看一下,imread函数的声明: // C++: Mat based Mat imread(const string& filename, int flags=1 ); // C: IplImage based

Opencv 图像叠加 添加水印

Opencv 图像叠加 添加水印 C++: void Mat::copyTo(OutputArray m) const C++: void Mat::copyTo(OutputArray m, InputArray mask) const 这个函数可以复制图像到另一个图像或矩阵上,可选参数是掩码 由于叠加的图像大小不一定相等,比如我们这里把一张小照片加到一张大照片上 我们可以在大照片上设置一个和小照片一样大的感兴趣区域 不使用掩码的时候,我们载入一张png,和一张jpg #include <op

FilterEngine 类解析——OpenCV图像滤波核心引擎(zz)

<2>FilterEngine 类解析——OpenCV图像滤波核心引擎 FilterEngine类是OpenCV关于图像滤波的主力军类,OpenCV图像滤波功能的核心引擎.各种滤波函数比如blur, GaussianBlur,到头来其实是就是在函数末尾处定义了一个Ptr<FilterEngine>类型的f,然后f->apply( src, dst )了一下而已. 这个类可以把几乎是所有的滤波操作施加到图像上.它包含了所有必要的中间缓存器.有很多和滤波相关的create系函数的

c++ opencv 图像模糊度检测

参考博客: 1.基于OpenCV的图像模糊与否检测 2.无参考图像的清晰度评价方法 3.无参考图像的清晰度评价方法及c++实现 4.OpenCV 图像清晰度评价(相机自动对焦) 5.图像清晰度评价 原文地址:https://www.cnblogs.com/exciting/p/11423181.html