OpenCV粘连对象计数

随着机器视觉和图像处理技术的发展，在工业和生活中都应用广泛。传统的计数方法常依赖于人眼目视计数，不仅计数效率低，且容易计数错误。通常现实中的对象不会完美地分开，需要通过进一步的图像处理将对象分开，学习了***贾志刚老师***的OpenCV对象提取与计数课程，现复盘整理如下。
1、方案思路

1. 图像预处理，二值化分割；
2. 使用形态学操作，初步将粘连对象分开；
3. 距离变换，分离粘连对象；
4. 连通区域计数。

2、重要函数
全局二值化分割：

double threshold(InputArray src, OutputArray dst, double thresh, double maxval, int type)；

第一个参数，InputArray类型的src，输入数组，填单通道 , 8或32位浮点类型的Mat即可。

第二个参数，OutputArray类型的dst，函数调用后的运算结果存在这里，即这个参数用于存放输出结果，且和第一个参数中的Mat变量有一样的尺寸和类型。

第三个参数，double类型的thresh，阈值的具体值。

第四个参数，double类型的maxval，当第五个参数阈值类型，可取如下值：
THRESH_BINARY=0,THRESH_BINARY_INV,THRESH_TRUNC,THRESH_TOZERO,THRESH_TOZERO_INV,THRESH_OTSU,THRESH_TRIANGLE,THRESH_MASK
其中THRESH_OTSU方法在图像灰度中具有明显双峰时，分割效果非常好，自动计算阈值。THRESH_TRIANGLE方法在两个峰值不明显情况下，使用三角形计算方法，本例程使用该种方法，示意图如下：

局部二值化分割：

void adaptiveThreshold(InputArray src, OutputArray dst, double maxValue, int adaptiveMethod, int thresholdType, int blockSize, double C)

参数如下：
InputArray src：源图像

OutputArray dst：输出图像，与源图像大小一致

int adaptiveMethod：在一个邻域内计算阈值所采用的算法，有两个取值，分别为 ADAPTIVE_THRESH_MEAN_C 和 ADAPTIVE_THRESH_GAUSSIAN_C 。

ADAPTIVE_THRESH_MEAN_C的计算方法是计算出领域的平均值再减去第七个参数double C的值

ADAPTIVE_THRESH_GAUSSIAN_C的计算方法是计算出领域的高斯均值再减去第七个参数double C的值

int thresholdType：这是阈值类型，只有两个取值，分别为 THRESH_BINARY 和THRESH_BINARY_INV

int blockSize：adaptiveThreshold的计算单位是像素的邻域块，邻域块取多大，就由这个值作决定

double C：这个参数实际上是一个偏移值调整量

从上面的说明中可以看出，使用函数adaptiveThr