前言
前段时间，有位粉丝私信我，给我发了一张图片，如下图所示：
在这里贴出他的原话。
从他给的图片分析，该图存在遮挡，所以不能简单的二值化，然后提取图像轮廓去寻找结果。所以，我就想如何去掉这些遮挡物（即图像修复）。从图像可知，该遮挡物是黄色的线，所以，我就想可否使用hsv色彩空间提取出黄色，然后得到二值掩模图像，最后对原图进行修复。接下来，就一起看看是如何一步步实现的吧。
一、hsv通道转换
通过hsv通道转换，可以提取出图像中的黄色分量。
//hsv颜色通道转换，提取图像中黄色线部分，生成掩膜图像 mat hsv; cvtcolor(src, hsv, color_bgr2hsv); mat mask; inrange(hsv, scalar(10, 50, 255), scalar(40, 255, 255), mask);
结果如图所示：
二、图像修复
关于图像修复的相关知识可以参考我之前的博文。这里就不细说了。
opencv c++案例实战十四《图像修复》
opencv c++案例实战十七《图像去水印》
我们拿到上面的mask掩模图像，需要对其进行膨胀处理，使修复区域范围扩大。
//将生成的掩膜mask膨胀一下，使掩膜区域放大 mat kernel = getstructuringelement(morph_rect, size(9, 9)); dilate(mask, mask, kernel);
接下来，需要对图像进行修复。这里我提供两种修复方法，一种是opencv提供的inpaint函数，一种是我自己写的。
2.1 opencv函数实现
//使用opencv自带的inpaint函数进行图像修复，得到目标图像 mat inpaintimg; inpaint(src, mask, inpaintimg, 1, inpaint_ns);
效果如图所示。
2.2 myfunction
通过修改图像像素达到图像修复的效果。具体请看源码注释。
//自己写的算法，修改图像像素，完成图像修复 mat canvas = mat::zeros(src.size(), src.type()); int r = 1;//像素查找范围--表示在该像素点上下几行像素进行查找 for (int i = r; i < src.rows- r; i++) { for (int j = 0; j < src.cols; j++) { if (mask.at<uchar>(i, j) != 255) { //对于非掩膜区域，直接将原像素进行像素赋值 for (int c = 0; c < 3; c++) { canvas.at<vec3b>(i, j)[c] = src.at<vec3b>(i, j)[c]; } } else { //找到距离该掩膜像素点最近的非掩膜区域像素进行赋值 point res = find_nearest_point(mask, i, j, r); for (int c = 0; c < 3; c++) { canvas.at<vec3b>(i, j)[c] = src.at<vec3b>(res.x, res.y)[c]; } } } }
效果如何所示
三、轮廓提取
接下来我们只需要对修复之后的图像进行轮廓提取就可以了。
//将修复之后的目标图像进行图像预处理，提取轮廓 mat gray; cvtcolor(canvas, gray, color_bgr2gray); mat gaussian; gaussianblur(gray, gaussian, size(3, 3), 0); mat thresh; threshold(gaussian, thresh, 30, 255, thresh_binary_inv); mat kernel1 = getstructuringelement(morph_rect, size(3, 3)); morphologyex(thresh, thresh, morph_open, kernel); //namedwindow("thresh", window_normal); //imshow("thresh", thresh); //轮廓提取 vector<vector<point>>contours; findcontours(thresh, contours, retr_external, chain_approx_simple); //经过面积，外接矩形特征筛选出目标区域 vector<vector<point>>effectiveconts; for (int i = 0; i < contours.size(); i++) { double area = contourarea(contours[i]); if (area>100) { rect rect = boundingrect(contours[i]); if (double(rect.height) > 30 && double(rect.width) > 30) { effectiveconts.push_back(contours[i]); } } }
四、效果显示
for (int i = 0; i < effectiveconts.size(); i++) { //计算轮廓矩 moments mo = moments(effectiveconts[i]); //计算质心--即插孔坐标 point center = point(mo.m10 / mo.m00, mo.m01 / mo.m00); //效果绘制 rect rect = boundingrect(effectiveconts[i]); rectangle(src, rect, scalar(0, 255, 0), 5); circle(src, center, 3, scalar(0, 0, 255), -1); }
如图为该案例最终效果。
五、源码
#include<opencv2/opencv.hpp> #include <iostream> #include<opencv2/photo.hpp> using namespace std; using namespace cv; double eudis(point pt1, point pt2) { return sqrt(pow(pt1.x - pt2.x, 2) + pow(pt1.y - pt2.y, 2)); } point find_nearest_point(mat mask , int currentrow, int currentcol, int r) { double mindis = 100000.0; point res(0,0); //查找该像素点上下r行像素，找到最接近该像素的非掩膜区域像素 for (int i = currentrow - r; i < currentrow + r; i++) { for (int j = 0; j < mask.cols; j++) { if (mask.at<uchar>(i, j) != 255) { //point(currentrow, currentcol) 表示当前需要赋值的掩膜像素点 double dis = eudis(point(currentrow, currentcol), point(i, j)); if (dis < mindis) { mindis = dis; res = point(i, j); //目标像素点 } } } } return res; } int main() { mat src = imread("test.jpg"); if (src.empty()) { cout << "no image!" << endl; system("pause"); return -1; } //hsv颜色通道转换，提取图像中黄色线部分，生成掩膜图像 mat hsv; cvtcolor(src, hsv, color_bgr2hsv); mat mask; inrange(hsv, scalar(10, 50, 255), scalar(40, 255, 255), mask); //将生成的掩膜mask膨胀一下，使掩膜区域放大 mat kernel = getstructuringelement(morph_rect, size(9, 9)); dilate(mask, mask, kernel); //使用opencv自带的inpaint函数进行图像修复，得到目标图像 //mat inpaintimg; //inpaint(src, mask, inpaintimg, 1, inpaint_ns); //namedwindow("inpaintimg", window_normal); //imshow("inpaintimg", inpaintimg); //自己写的算法，修改图像像素，完成图像修复 mat canvas = mat::zeros(src.size(), src.type()); int r = 1;//像素查找范围--表示在该像素点上下几行像素进行查找 for (int i = r; i < src.rows- r; i++) { for (int j = 0; j < src.cols; j++) { if (mask.at<uchar>(i, j) != 255) { //对于非掩膜区域，直接将原像素进行像素赋值 for (int c = 0; c < 3; c++) { canvas.at<vec3b>(i, j)[c] = src.at<vec3b>(i, j)[c]; } } else { //找到距离该掩膜像素点最近的非掩膜区域像素进行赋值 point res = find_nearest_point(mask, i, j, r); for (int c = 0; c < 3; c++) { canvas.at<vec3b>(i, j)[c] = src.at<vec3b>(res.x, res.y)[c]; } } } } //namedwindow("canvas", window_normal); //imshow("canvas", canvas); //将修复之后的目标图像进行图像预处理，提取轮廓 mat gray; cvtcolor(canvas, gray, color_bgr2gray); mat gaussian; gaussianblur(gray, gaussian, size(3, 3), 0); mat thresh; threshold(gaussian, thresh, 30, 255, thresh_binary_inv); mat kernel1 = getstructuringelement(morph_rect, size(3, 3)); morphologyex(thresh, thresh, morph_open, kernel); //namedwindow("thresh", window_normal); //imshow("thresh", thresh); //轮廓提取 vector<vector<point>>contours; findcontours(thresh, contours, retr_external, chain_approx_simple); //经过面积，外接矩形特征筛选出目标区域 vector<vector<point>>effectiveconts; for (int i = 0; i < contours.size(); i++) { double area = contourarea(contours[i]); if (area>100) { rect rect = boundingrect(contours[i]); if (double(rect.height) > 30 && double(rect.width) > 30) { effectiveconts.push_back(contours[i]); } } } for (int i = 0; i < effectiveconts.size(); i++) { //计算轮廓矩 moments mo = moments(effectiveconts[i]); //计算质心--即插孔坐标 point center = point(mo.m10 / mo.m00, mo.m01 / mo.m00); //效果绘制 rect rect = boundingrect(effectiveconts[i]); rectangle(src, rect, scalar(0, 255, 0), 5); circle(src, center, 3, scalar(0, 0, 255), -1); } namedwindow("src", window_normal); imshow("src", src); waitkey(0); system("pause"); return 0; }
总结
c/c++开发分享C++ OpenCV实战之网孔检测的实现使用opencv c++实现网孔检测，主要操作有以下几点。
1、hsv通道转换，提取出黄色分量，得到掩模图像。
2、利用掩模图像对原图进行图像修复。
3、通过轮廓提取定位网孔位置。
以上就是c++ opencv实战之网孔检测的实现的详细内容，更多关于c++ opencv网孔检测的资料请关注<计算机技术网(www.ctvol.com)!!>其它相关文章！
需要了解更多c/c++开发分享C++ OpenCV实战之网孔检测的实现，都可以关注C/C++技术分享栏目—计算机技术网(www.ctvol.com)!
本文来自网络收集，不代表计算机技术网立场，如涉及侵权请联系管理员删除。
ctvol管理联系方式QQ:251552304
本文章地址：https://www.ctvol.com/c-cdevelopment/1248242.html