“从低对比度图像中提取圆形轮廓：Halcon实例转OpenCV”是本篇文章的主题

最新推荐文章于 2024-07-23 16:36:53 发布

编码实践

最新推荐文章于 2024-07-23 16:36:53 发布

阅读量347

点赞数

CC 4.0 BY-SA版权

文章标签： opencv 人工智能计算机视觉 C/C++

本文链接：https://blog.youkuaiyun.com/wellcoder/article/details/132551360

C/C++ 专栏收录该内容

204 篇文章 ¥99.90 ¥299.90

订阅专栏

本文介绍如何将Halcon的实例转换为使用OpenCV从低对比度图像中提取圆形轮廓。首先，通过Gamma校正提高图像对比度，接着应用Canny算子和高斯模糊处理进行边缘检测和降噪。然后，利用HoughCircles函数进行圆形轮廓检测，设置相关参数。最后，展示提取的圆形轮廓，实现高效、简洁的处理流程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

“从低对比度图像中提取圆形轮廓：Halcon实例转OpenCV”是本篇文章的主题。在工业领域，我们经常需要从低对比度的图像中提取出目标的轮廓信息。本文将介绍如何使用OpenCV库来进行轮廓提取，并给出相应的源代码。

首先我们需要加载一张图像，并对它进行预处理，以提高图像的对比度。这里我们使用Gamma校正方法来提高图像的亮度，使目标轮廓更加明显。

import cv2
import numpy as np

# 加载图像
img = cv2.imread("image.jpg")
# 进行Gamma校正
gamma_value = 1.5
gamma_table = [np.power(x/255.0, gamma_value)*255.0 for x in range(256)]
gamma_table = np.round(np.array(gamma_table)).astype(np.uint8)
img = cv2.LUT(img, gamma_table)

接下来，我们使用Canny算子来进行边缘检测，通过调整阈值来得到更明显的轮廓信息。为了减少噪点的干扰，我们还需要进行高斯模糊处理。

# 进行高斯模糊
img_blur = cv2.GaussianBlur(img, (5,5), 0)
# 进行Canny边缘检测
edges = cv2.Canny(img_blur, 30, 120)

接下来，我们可以利用OpenCV中的霍夫变换来提取圆形轮廓。使用HoughCircles函数即可完成此项工作。在函数中我们需要设置圆心间最小距离、最小圆半径、最大圆半径等参数。

# 提取圆形

了解本专栏