利用OpenCV findNonZero函数实现类似matlab中find函数的功能

本文介绍如何在OpenCV中模拟MATLAB的find函数功能,通过将灰度图像转换为布尔类型,并创建新的矩阵来存储非零元素的位置。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

OpenCV和matlab都提供了强大的矩阵处理功能。但matlab也有一些功能是openCV不具备的。如find函数,可以找出矩阵中某个特定值的行列号。本文介绍一种方法,可以模拟find函数的功能。

// OpenCVFind.cpp : 定义控制台应用程序的入口点。
//

#include "stdafx.h"
#include <opencv2/opencv.hpp>  
#include <opencv2\imgproc\imgproc.hpp>
#include <opencv2\highgui\highgui.hpp>
#include <iostream>
  
using namespace cv;
using namespace std;

#pragma comment(lib, "E:\\cv\\opencv\\build\\x86\\vc11\\lib\\opencv_core249d.lib")
#pragma comment(lib, "E:\\cv\\opencv\\build\\x86\\vc11\\lib\\opencv_imgproc249d.lib")
#pragma comment(lib, "E:\\cv\\opencv\\build\\x86\\vc11\\lib\\opencv_highgui249d.lib")
#pragma comment(lib, "E:\\cv\\opencv\\build\\x86\\vc11\\lib\\opencv_ml249d.lib")
#pragma comment(lib, "E:\\cv\\opencv\\build\\x86\\vc11\\lib\\opencv_video249d.lib")
#pragma comment(lib, "E:\\cv\\opencv\\build\\x86\\vc11\\lib\\opencv_features2d249d.lib")
#pragma comment(lib, "E:\\cv\\opencv\\build\\x86\\vc11\\lib\\opencv_calib3d249d.lib")
#pragma comment(lib, "E:\\cv\\opencv\\build\\x86\\vc11\\lib\\opencv_objdetect249d.lib")
#pragma comment(lib, "E:\\cv\\opencv\\build\\x86\\vc11\\lib\\opencv_contrib249d.lib")
#pragma comment(lib, "E:\\cv\\opencv\\build\\x86\\vc11\\lib\\opencv_legacy249d.lib")
#pragma comment(lib, "E:\\cv\\opencv\\build\\x86\\vc11\\lib\\opencv_flann249d.lib")

int _tmain(int argc, _TCHAR* argv[])
{
	Mat Grayscale_Image, Binary_Image, NonZero_Locations;

	Grayscale_Image = Mat::eye(2,2,CV_32SC1);
    

    Binary_Image = Grayscale_Image == 1;
	NonZero_Locations.create(Binary_Image.rows, Binary_Image.cols, CV_32SC1);
    findNonZero(Binary_Image, NonZero_Locations);
    cout << "Non-Zero Locations = " << NonZero_Locations << endl << endl;

	std::cin.get();
	return 0;
}

程序首先通过一次逻辑运算 Grayscale_Image == 1,把CV_32SC1类型的矩阵转化为逻辑型矩阵。假如没有这一步,程序会崩溃。

随后,利用Mat::create函数给NonZero_Locations矩阵分配内存。没有这一步,程序也会崩溃。

运行结果给出了两个复合条件的的元素的位置:(0,0);(1,1)。



与matlab的find函数相比,这个办法比较麻烦:首先要转化源矩阵为布尔型,还要给目标矩阵开辟内存。

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