使用opencv找圆(非霍夫法)

目标图片如下:

在这里插入图片描述

基本思路为:

1.使用开闭运算,对图像进行处理,因为该图像如果直接使用轮廓检测的话,会有许多杂乱的轮廓线

cv::Mat element_open = cv::getStructuringElement(cv::MORPH_ELLIPSE, cv::Size(17, 17)); // 这里的size根据图像情况设定
cv::morphologyEx(image, image, cv::MORPH_OPEN, element_open);
cv::Mat element_close = cv::getStructuringElement(cv::MORPH_ELLIPSE, cv::Size(7, 7));
cv::morphologyEx(image, image, cv::MORPH_CLOSE, element_close);

处理后的图像是这样的
在这里插入图片描述

2.然后使用阈值分割

cv::threshold(image, image, 120, 255, cv::THRESH_BINARY);

在这里插入图片描述

3.使用Laplace变换找到轮廓线

cv::Mat kenerl = (cv::Mat_<float>(3, 3) << 0, 1, 0, 1, -4, 1, 0, 1, 0);
cv::filter2D(image, image, image.type(), kenerl);

在这里插入图片描述

4.最后对轮廓线进行筛选

float targetArea = 3.14 * 1400 * 1400;
std::vector<std::vector<cv::Point>> reslutContours;
// 计算轮廓的面积
for (size_t i = 0; i < contours.size(); i++) {
   
   
	// 计算轮廓的面积和周长
	double area = contourArea(contours[i]);
	double perimeter = arcLength(contours[i], true);
	// 计算圆形度
	double circularity = (4 * 3.1415926 * area) / (perimeter * perimeter);
	// 如果圆形度不满足要求或者面积不在targetArea*[0.5,1.2]区间内,则跳过
	//if (circularity < 0.8) {
   
   
	//	continue;
	//}
	if (!(targetArea * 0.25 <= area && area <= targetArea * 1.44)) {
   
   
		continue;
	}
	reslutContours.push_back(contours[i]);
}
cv::Mat result = cv::Mat::zeros
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值