韩国 裸舞 C# OpenCvSharp 玉米粒计数

罢休

图片韩国 裸舞

法子

1、二值化操作

第四播播

2、腐蚀

3、距离变换

4、格式学处治韩国 裸舞

5、找到种子的概述区域

OpenCV中，函数distanceTransform()用于打算图像中每一个非零点像素与其最近的零点像素之间的距离， 输出的是保存每一个非零点与最近零点的距离信息，图像上越亮的点，代表了离零点的距离越远。

用途：不错把柄距离变换的这个性质，流程浮浅的运算，用于细化字符的概述和查找物体质心（中心）。

距离变换的处治图像时常齐是二值图像，而二值图像其实便是把图像分为两部分，即配景和物体两部分，物体时常又称为远景指标。

时常咱们把远景指见地灰度值设为255（即白色），配景的灰度值设为0（即玄色）。

是以界说中的非零像素点即为远景指标，零像素点即为配景。

是以图像中远景指标中的像素点距离配景越远，那么距离就越大，如若咱们用这个距离值替换像素值，那么重生成的图像中这个点越亮。

形势

图片

代码 using OpenCvSharp;using System;using System.Drawing;using System.Text;using System.Windows.Forms;namespace OpenCvSharp_Demo{    public partial class frmMain : Form    {        public frmMain()        {            InitializeComponent();        }        string fileFilter = '*.*|*.bmp;*.jpg;*.jpeg;*.tiff;*.tiff;*.png';        string image_path = '';        DateTime dt1 = DateTime.Now;        DateTime dt2 = DateTime.Now;        Mat image;        Mat result_image;        StringBuilder sb = new StringBuilder();        private void button1_Click(object sender， EventArgs e)        {            OpenFileDialog ofd = new OpenFileDialog();            ofd.Filter = fileFilter;            if (ofd.ShowDialog() != DialogResult.OK) return;            pictureBox1.Image = null;            pictureBox2.Image = null;            textBox1.Text = '';            image_path = ofd.FileName;            pictureBox1.Image = new Bitmap(image_path);            image = new Mat(image_path);        }        private void Form1_Load(object sender， EventArgs e)        {            //test            image_path = 'test_img/1.jpg';            image = new Mat(image_path);            pictureBox1.Image = new Bitmap(image_path);        }        private void button2_Click(object sender， EventArgs e)        {            if (image_path == '')            {                return;            }            textBox1.Text = '检测中，请稍等……';            pictureBox2.Image = null;            Application.DoEvents();            result_image = image.Clone();            //二值化操作            Mat grayimg = new Mat();            Cv2.CvtColor(image， grayimg， ColorConversionCodes.BGR2GRAY);            Mat BinaryImg = new Mat();            Cv2.Threshold(grayimg， BinaryImg， 240， 255， ThresholdTypes.Binary);            //Cv2.ImShow('二值化'， BinaryImg);            //腐蚀            Mat kernel = Cv2.GetStructuringElement(MorphShapes.Rect， new OpenCvSharp.Size(15， 15));            Mat morhImage = new Mat();            Cv2.Dilate(BinaryImg， morhImage， kernel， null， 2);            //Cv2.ImShow('morphology'， morhImage);            //距离变换：用于二值化图像中的每一个非零点距我方最近的零点的距离，距离变换图像上越亮的点，代表了这小数距离零点的距离越远            Mat dist = new Mat();            Cv2.BitwiseNot(morhImage， morhImage);            /*            OpenCV中，函数distanceTransform()用于打算图像中每一个非零点像素与其最近的零点像素之间的距离，            输出的是保存每一个非零点与最近零点的距离信息，图像上越亮的点，代表了离零点的距离越远。            用途：            不错把柄距离变换的这个性质，流程浮浅的运算，用于细化字符的概述和查找物体质心（中心）。            */            /*            距离变换的处治图像时常齐是二值图像，而二值图像其实便是把图像分为两部分，即配景和物体两部分，物体时常又称为远景指标。            时常咱们把远景指见地灰度值设为255（即白色），配景的灰度值设为0（即玄色）。            是以界说中的非零像素点即为远景指标，零像素点即为配景。            是以图像中远景指标中的像素点距离配景越远，那么距离就越大，如若咱们用这个距离值替换像素值，那么重生成的图像中这个点越亮。            */            //User：用户自界说            //L1：  曼哈顿距离            //L2：  欧式距离            //C：   棋盘距离            Cv2.DistanceTransform(morhImage， dist， DistanceTypes.L1， DistanceTransformMasks.Mask3);            Cv2.Normalize(dist， dist， 0， 1.0， NormTypes.MinMax);   //限度在0~1之间            //Cv2.ImShow('distance'， dist);            //格式学处治            Mat MorphImg = new Mat();            dist.ConvertTo(MorphImg， MatType.CV_8U);            Cv2.Threshold(MorphImg， MorphImg， 0.99， 255， ThresholdTypes.Binary);  //上图像素值在0~1之间            kernel = Cv2.GetStructuringElement(MorphShapes.Rect， new OpenCvSharp.Size(7， 3)， new OpenCvSharp.Point(-1， -1));            Cv2.MorphologyEx(MorphImg， MorphImg， MorphTypes.Open， kernel);  //开操作            //Cv2.ImShow('t-distance'， MorphImg);            //找到种子的概述区域            OpenCvSharp.Point[][] contours;            HierarchyIndex[] hierarchly;            Cv2.FindContours(MorphImg， out contours， out hierarchly， RetrievalModes.External， ContourApproximationModes.ApproxSimple， new OpenCvSharp.Point(0， 0));            Mat markers = Mat.Zeros(image.Size()， MatType.CV_8UC3);            int x， y， w， h;            Rect rect;            for (int i = 0; i < contours.Length; i++)            {                // Cv2.DrawContours(markers， contours， i， Scalar.RandomColor()， 2， LineTypes.Link8， hierarchly);                rect = Cv2.BoundingRect(contours[i]);                x = rect.X;                y = rect.Y;                w = rect.Width;                h = rect.Height;                Cv2.Circle(result_image， x + w / 2， y + h / 2， 20， new Scalar(0， 0， 255)， -1);                if (i >= 9)                {                    Cv2.PutText(result_image， (i + 1).ToString()， new OpenCvSharp.Point(x + w / 2 - 18， y + h / 2 + 8)， HersheyFonts.HersheySimplex， 0.8， new Scalar(0， 255， 0)， 2);                }                else                {                    Cv2.PutText(result_image， (i + 1).ToString()， new OpenCvSharp.Point(x + w / 2 - 8， y + h / 2 + 8)， HersheyFonts.HersheySimplex， 0.8， new Scalar(0， 255， 0)， 2);                }            }            textBox1.Text = 'number of corns: ' + contours.Length;            pictureBox2.Image = new Bitmap(result_image.ToMemoryStream());        }        private void pictureBox2_DoubleClick(object sender， EventArgs e)        {            //Common.ShowNormalImg(pictureBox2.Image);        }        private void pictureBox1_DoubleClick(object sender， EventArgs e)        {            //Common.ShowNormalImg(pictureBox1.Image);        }    }}

图片

本站仅提供存储干事，总计履行均由用户发布，如发现存害或侵权履行，请点击举报。