opencv c+识别圆形的数量和坐标等

Question

这边我想要识别圆形的个数和蓝色圆形的个数，顺便输出其坐标，我照着网上学了学，结果出了这么个问题，有点不理解

#include <iostream>
#include <opencv2/highgui.hpp>
#include <opencv2/opencv.hpp>
#include <fstream>
#include <string>

using namespace cv;
using namespace std;

int main()
{
    int i;
    string picture = "D:\\test\\img.jpg";
    Mat gray1 = imread(picture, IMREAD_GRAYSCALE);
    vector<Vec3f> boom;
    HoughCircles(gray1,boom,1,10,110,80,10,100);
    
    ofstream outFile;
    outFile.open("D:\\test\\test.txt");
    outFile << "圆形数量： " << boom.size() << endl;
    for(i=0;i<boom.size();i++)
    {
        outFile << "圆心坐标" << boom[i] << endl;
    }

    string picture2 = "D:\\test\\img.jpg";
    Mat gray2 = imread(picture2, IMREAD_UNCHANGED);
    Mat change;
    cvtColor(gray2, change, COLOR_BGR2HSV);
    vector<Mat> mv;
    split(gray2, mv);
    mv[1] = 0;
    mv[2] = 0;
    Mat mix;
    merge(mv, mix);
    Scalar BlueL = Scalar(100, 43, 48);
    Scalar BlueH = Scalar(124, 255, 255);
    Mat mask;
    inRange(mix, BlueL, BlueH, mask);
    vector<Vec3f> boom2;
    HoughCircles(gray2, boom2, 1, 10, 110, 80, 10, 100);

    outFile << "蓝色圆形数量" << boom2.size() << endl;
    outFile.close();

    return 0;
}

Answer 1

【以下回答由 GPT 生成】

解答：

1. 如何在OpenCV C++中识别图像中圆形的数量和坐标？

OpenCV中提供了一个函数HoughCircles()来进行圆形检测。首先，需要将图像转为灰度图像，然后使用HoughCircles()函数进行圆形检测，并将检测结果保存在一个vector变量中。以下是一段示例代码：

Mat gray = imread("image.jpg", IMREAD_GRAYSCALE);
vector<Vec3f> circles;
HoughCircles(gray, circles, HOUGH_GRADIENT, 1, gray.rows/8, 200, 100, 0, 0);

其中，第一个参数gray是输入的灰度图像，第二个参数circles是保存检测结果的vector变量，依次保存了每个检测到的圆形的圆心坐标和半径。

1. 如何输出圆形的数量和坐标？

将识别到的圆形数量和圆心坐标保存在文件中。可以使用ofstream类来写入文件。以下是示例代码：

ofstream outFile;
outFile.open("result.txt");
outFile << "圆形数量: " << circles.size() << endl;
for (size_t i = 0; i < circles.size(); i++)
{
    Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
    int radius = cvRound(circles[i][2]);
    outFile << "圆心坐标: " << center << ", 半径: " << radius << endl;
}
outFile.close();

通过循环遍历circles向量，可以依次获得每个圆形的圆心坐标和半径，并将其写入文件。

1. 如何改变识别的参数以获得更准确的结果？

HoughCircles()函数的参数可以进行调整来获得更准确的结果。以下是一些常用参数的解释：

• dp：图像分辨率与累加器分辨率的比值。默认值为1.0，表示两者相同。如果dp的值大于1，意味着累加器的分辨率低于图像的分辨率，因此检测结果也会相应减少；如果dp的值小于1，意味着累加器的分辨率高于图像的分辨率，因此检测结果会相应增加。一般情况下，选择1.0即可。

• minDist：检测到的圆形之间的最小距离。设置为0时，意味着允许圆形重叠。一般情况下，根据具体应用场景设置一个合适的值，以避免重复检测。

• param1：第一个方法特定的参数。对于HOUGH_GRADIENT方法，它表示Canny边缘检测的高阈值。默认值为200，可以根据具体图像调整。

• param2：第二个方法特定的参数。对于HOUGH_GRADIENT方法，它表示检测阶段圆心累加器阈值。默认值为100，可以根据具体图像调整。

• minRadius和maxRadius：圆形的最小和最大半径。

根据具体的应用场景和图像特点，可以调整这些参数来获得更准确的结果。

1. 如何使用颜色过滤来识别蓝色圆形的数量和坐标？

可以通过颜色空间转换和颜色过滤来实现对特定颜色圆形的识别。以下是示例代码：

Mat image = imread("image.jpg", IMREAD_COLOR);
Mat hsv, mask;
cvtColor(image, hsv, COLOR_BGR2HSV);
Scalar lower_blue = Scalar(90, 70, 70);   // 蓝色的下限阈值
Scalar upper_blue = Scalar(130, 255, 255);   // 蓝色的上限阈值
inRange(hsv, lower_blue, upper_blue, mask);

vector<Vec3f> circles;
HoughCircles(mask, circles, HOUGH_GRADIENT, 1, 10, 100, 30, 0, 0);

首先，将彩色图像转换为HSV颜色空间，然后根据蓝色的HSV阈值范围，使用inRange()函数创建一个掩膜图像。掩膜图像中，蓝色区域为白色，其他颜色为黑色。然后，将掩膜图像传递给HoughCircles()函数进行圆形检测，即可实现对蓝色圆形的识别。

1. 我在代码中使用的参数是否合适？是否有其他可选参数需要考虑？

参数的选择是根据具体的图像和应用场景来决定的，所以不同的情况可能需要不同的参数。可以根据实际情况进行调整和尝试，以达到最佳的识别效果。另外，OpenCV还提供了其他参数和检测方法，可以根据具体需求进行选择。请参考OpenCV官方文档以了解更多内容。

希望以上解答对你有帮助！

【相关推荐】

• 这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/681284
• 这篇博客也不错, 你可以看下OpenCV（C++版本）基础相关（5）：多边形填充与绘制、鼠标操作与响应、图像像素类型的转换与归一化、图像的放缩与插值、图像的旋转
• 您还可以看一下 于雄飞老师的OpenCV图像处理基础——基于C++实现课程中的 图像变换基本操作-图像旋转&&缩放小节, 巩固相关知识点
  
• 除此之外, 这篇博客: C++ opencv 图像 扭曲旋转 双线性插值 双三次插值 和 畸变矫正 双线性插值 实现中的 然后计算这个当前归一化的像素点进行旋转之后的位置， 部分也许能够解决你的问题。

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^