正文

“C语言实现CV轮廓提取：从入门到精通，解锁图像处理新技能”

/0 浏览量
0329

引言

轮廓提取是图像处理中的一个基本任务，它可以帮助我们识别图像中的形状和结构。在C语言中，我们可以使用OpenCV库来实现轮廓提取。本文将带您从入门到精通，一步步学习如何使用C语言和OpenCV库进行轮廓提取。

一、准备工作

在开始之前，我们需要准备以下内容：

  1. 安装OpenCV库：您可以从OpenCV官网下载适合您操作系统的源代码，然后按照官方文档进行编译和安装。
  2. 开发环境：安装C编译器，如GCC，并配置好开发环境。
  3. 图像处理基础：了解一些基本的图像处理概念，如像素、灰度图像、二值图像等。

二、入门：读取和显示图像

在开始轮廓提取之前，我们需要先学会如何读取和显示图像。以下是一个简单的示例代码：

#include <opencv2/opencv.hpp>

int main() {
    // 读取图像
    cv::Mat src = cv::imread("path_to_image.jpg");

    // 显示图像
    cv::imshow("Original Image", src);

    // 等待按键后关闭窗口
    cv::waitKey(0);

    return 0;
}

在这段代码中，我们首先包含了OpenCV的头文件，然后在main函数中读取了一个图像文件，并使用imshow函数显示它。最后，我们使用waitKey函数等待用户按键，以便关闭窗口。

三、灰度化和二值化

在提取轮廓之前，我们需要将图像转换为灰度图像，并对其进行二值化处理。以下是一个示例代码：

#include <opencv2/opencv.hpp>

int main() {
    // 读取图像
    cv::Mat src = cv::imread("path_to_image.jpg", cv::IMREAD_GRAYSCALE);

    // 二值化
    cv::Mat binary;
    cv::threshold(src, binary, 128, 255, cv::THRESH_BINARY);

    // 显示二值化图像
    cv::imshow("Binary Image", binary);

    // 等待按键后关闭窗口
    cv::waitKey(0);

    return 0;
}

在这段代码中，我们使用imread函数的第二个参数cv::IMREAD_GRAYSCALE将图像转换为灰度图像。然后，我们使用threshold函数对图像进行二值化处理，将像素值大于128的设置为255，其余设置为0。

四、轮廓提取

现在我们已经将图像转换为二值图像，接下来我们可以使用findContours函数提取轮廓。以下是一个示例代码：

#include <opencv2/opencv.hpp>

int main() {
    // 读取图像
    cv::Mat src = cv::imread("path_to_image.jpg", cv::IMREAD_GRAYSCALE);

    // 二值化
    cv::Mat binary;
    cv::threshold(src, binary, 128, 255, cv::THRESH_BINARY);

    // 提取轮廓
    std::vector<std::vector<cv::Point>> contours;
    cv::findContours(binary, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);

    // 绘制轮廓
    cv::Mat drawing = cv::Mat::zeros(binary.size(), CV_8UC3);
    for (int i = 0; i < contours.size(); i++) {
        cv::Scalar color = cv::Scalar(rand() & 255, rand() & 255, rand() & 255);
        cv::drawContours(drawing, contours, i, color, 2, 8, cv::noArray());
    }

    // 显示轮廓
    cv::imshow("Contours", drawing);

    // 等待按键后关闭窗口
    cv::waitKey(0);

    return 0;
}

在这段代码中，我们使用findContours函数提取了二值图像中的轮廓，并将它们存储在contours向量中。然后，我们创建了一个新的图像drawing，并使用drawContours函数在图像上绘制每个轮廓。最后，我们使用imshow函数显示轮廓。

五、进阶：轮廓属性和操作

在提取轮廓之后，我们可以使用contourProperties函数获取轮廓的属性，如面积、周长、中心点等。以下是一个示例代码：

#include <opencv2/opencv.hpp>

int main() {
    // ...（省略读取图像和二值化代码）

    // 提取轮廓
    std::vector<std::vector<cv::Point>> contours;
    cv::findContours(binary, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);

    // 获取轮廓属性
    for (int i = 0; i < contours.size(); i++) {
        cv::Moments m = cv::moments(contours[i]);
        double area = cv::contourArea(contours[i]);
        double perimeter = cv::arcLength(contours[i], true);
        cv::Point center = cv::Point(m.m10 / m.m00, m.m01 / m.m00);

        // 输出轮廓属性
        std::cout << "Contour " << i << ":" << std::endl;
        std::cout << "Area: " << area << std::endl;
        std::cout << "Perimeter: " << perimeter << std::endl;
        std::cout << "Center: (" << center.x << ", " << center.y << ")" << std::endl;
    }

    // ...（省略显示轮廓代码）

    return 0;
}

在这段代码中，我们使用moments函数计算每个轮廓的矩，然后使用contourArea和arcLength函数计算面积和周长。最后，我们使用Point结构体计算轮廓的中心点。

六、总结

通过本文的学习，您应该已经掌握了使用C语言和OpenCV库进行轮廓提取的基本方法。在实际应用中，您可以根据需要调整参数和算法，以适应不同的图像处理任务。希望本文能帮助您解锁图像处理新技能。

-- 展开阅读全文 --