c++(1)将图像转换为灰度图 (2)利用较高的阈值分割灰度图像,得到种子区域(threshold) (3)计算连通域的质心点,获得种子(connectedComponentsWithStats) (4)利用一个偏高的阈值(190)得到遮罩区域(threshold) (5)利用种子、遮罩区域,使用区域生长分割,得到缺陷图
时间: 2023-12-03 22:05:40 浏览: 61
1. 将图像转换为灰度图:
在C++中,可以使用OpenCV库中的cv::cvtColor函数将彩色图像转换为灰度图像。
示例代码:
```c++
cv::Mat src = cv::imread("input.jpg");
cv::Mat gray;
cv::cvtColor(src, gray, cv::COLOR_BGR2GRAY);
```
2. 利用较高的阈值分割灰度图像,得到种子区域:
可以使用OpenCV库中的cv::threshold函数对灰度图像进行二值化处理,得到种子区域。
示例代码:
```c++
cv::Mat seed;
cv::threshold(gray, seed, 150, 255, cv::THRESH_BINARY);
```
3. 计算连通域的质心点,获得种子:
可以使用OpenCV库中的cv::connectedComponentsWithStats函数计算连通域的质心点,从而获得种子。
示例代码:
```c++
cv::Mat labels, stats, centroids;
int num_seeds = cv::connectedComponentsWithStats(seed, labels, stats, centroids);
// 获取第一个连通域的质心点坐标
int x_seed = centroids.at<double>(1, 0);
int y_seed = centroids.at<double>(1, 1);
```
4. 利用一个偏高的阈值(190)得到遮罩区域:
和第2步类似,可以使用OpenCV库中的cv::threshold函数对灰度图像进行二值化处理,得到遮罩区域。
示例代码:
```c++
cv::Mat mask;
cv::threshold(gray, mask, 190, 255, cv::THRESH_BINARY);
```
5. 利用种子、遮罩区域,使用区域生长分割,得到缺陷图:
可以使用OpenCV库中的cv::floodFill函数进行区域生长分割,得到缺陷图像。
示例代码:
```c++
cv::Mat defects;
cv::floodFill(gray, mask, cv::Point(x_seed, y_seed), 0, nullptr, cv::Scalar(), cv::Scalar(), 8 | cv::FLOODFILL_FIXED_RANGE);
defects = cv::Scalar(255) - mask;
```
完整代码:
```c++
#include <opencv2/opencv.hpp>
int main()
{
cv::Mat src = cv::imread("input.jpg");
cv::Mat gray;
cv::cvtColor(src, gray, cv::COLOR_BGR2GRAY);
cv::Mat seed;
cv::threshold(gray, seed, 150, 255, cv::THRESH_BINARY);
cv::Mat labels, stats, centroids;
int num_seeds = cv::connectedComponentsWithStats(seed, labels, stats, centroids);
int x_seed = centroids.at<double>(1, 0);
int y_seed = centroids.at<double>(1, 1);
cv::Mat mask;
cv::threshold(gray, mask, 190, 255, cv::THRESH_BINARY);
cv::Mat defects;
cv::floodFill(gray, mask, cv::Point(x_seed, y_seed), 0, nullptr, cv::Scalar(), cv::Scalar(), 8 | cv::FLOODFILL_FIXED_RANGE);
defects = cv::Scalar(255) - mask;
cv::imshow("defects", defects);
cv::waitKey();
return 0;
}
```