您好,登录后才能下订单哦!
前言
OpenCVSharp是OpenCV的.NET wrapper,是一名日本工程师开发的,项目地址为:https://github.com/shimat/opencvsharp。
该源码是 BSD开放协议,BSD开源协议是一个给于使用者很大自由的协议。基本上使用者可以”为所欲为”,可以自由的使用,修改源代码,也可以将修改后的代码作为开源或者专有软件再发布或商业化销售。
1.OpenCVSharp的下载
可以直接从上面的github上下载源码,自行编译引用;
也可用vs中的nuget包管理器下载;
打开【工具】->【库程序包管理器】->【管理解决方案的NuGet程序包】,在其中搜索OpenCVSharp,选择合适的点击【安装】(最好安装最新的)。一直等待完成。
我的环境是vs2017,下载之后最好直接拷贝OpenCVSharp系列dll到项目中引用即可。
2.拟合圆并求取圆心
本次举例比较贴近实际,我们求如下原始图片的中间部分圆的圆心,选取的图片故意只留了一半:
源码如下:
using OpenCvSharp; namespace SamplesWinform { public class CircleFit { public void Run() { //读取图片 var img = Cv2.ImRead("Data/Image/c1.bmp"); //显示图片 //Cv2.ImShow("Input Image", img); //转换成灰度图 Mat gray = img.CvtColor(ColorConversionCodes.BGR2GRAY); //阈值二值化操作 阈值参数可以用一些可视化工具来调试得到 Mat ThresholdImg = gray.Threshold(11, 255, ThresholdTypes.Binary); Cv2.ImShow("Threshold", ThresholdImg); //降噪 //方法一:高斯变化 //Mat gaussImg= ThresholdImg.GaussianBlur(new Size(5, 5), 0.8); //Cv2.ImShow("GaussianBlur", gaussImg); //方法二:中值滤波降噪 Mat medianImg = ThresholdImg.MedianBlur(5); Cv2.ImShow("MedianBlur", medianImg); //方法三:膨胀+腐蚀 ////膨胀处理 //Mat kernel = new Mat(15, 15, MatType.CV_8UC1); //Mat DilateImg = ThresholdImg.Dilate(kernel); ////腐蚀处理 //Mat binary = DilateImg.Erode(kernel); ////显示中间结果 //Cv2.ImShow("Dilate & Erode", binary); //设置感兴趣的区域 int x = 150, y = 100, w = 294, h = 337; Rect roi = new Rect(x, y, w, h); Mat ROIimg = new Mat(medianImg, roi); //Cv2.ImShow("ROI Image", ROIimg); //寻找图像轮廓 Point[][] contours; HierarchyIndex[] hierachy; Cv2.FindContours(ROIimg, out contours, out hierachy, RetrievalModes.List, ContourApproximationModes.ApproxTC89KCOS); //根据找到的轮廓点,拟合椭圆 for (int i = 0; i < contours.Length; i++) { //拟合函数必须至少5个点,少于则不拟合 if (contours[i].Length < 5) continue; //椭圆拟合 var rrt = Cv2.FitEllipse(contours[i]); //ROI复原 rrt.Center.X += x; rrt.Center.Y += y; //画椭圆 Cv2.Ellipse(img, rrt, new Scalar(0, 0, 255), 2, LineTypes.AntiAlias); //画圆心 Cv2.Circle(img, (int)(rrt.Center.X), (int)(rrt.Center.Y), 4, new Scalar(255, 0, 0), -1, LineTypes.Link8, 0); } Cv2.ImShow("Fit Circle", img); } } }
中间处理过程效果图如下:
分别是阈值分割后,中值滤波后,拟合圆之后
总结
以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,谢谢大家对亿速云的支持。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。