C和OpenCV计算边界的中心点

在C语言中，结合OpenCV库计算图像边界中心点通常需要先通过边缘检测算法（如Canny算子、Sobel等）获取图像的边缘，然后找到这些边缘像素的位置，最后计算它们的中心坐标。这里是一个简化的步骤：

1. **加载和预处理图像**：首先使用`cv::imread()`函数读取图像，并应用必要的预处理，例如调整亮度和对比度。

#include <opencv2/opencv.hpp>
cv::Mat img = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE);

2. **边缘检测**：使用OpenCV的边缘检测函数，如`cv::Canny()`，找出图像中的边缘。

cv::Canny(img, edges, 50, 150); // 边缘阈值可以根据实际情况调整

3. **查找边缘像素并计数**：遍历边缘矩阵，找到所有的边缘像素，并统计总数。

std::vector<cv::Point> edge_points;
for (int y = 0; y < edges.rows; y++) {
    for (int x = 0; x < edges.cols; x++) {
        if (edges.at<uchar>(y, x) > 0) { // 如果像素属于边缘
            edge_points.push_back(cv::Point(x, y));
        }
    }
}
int num_edges = edge_points.size();

4. **计算中心点**：如果边缘像素数量为奇数，直接取中间那个作为中心；如果是偶数，可以选择平均两个中间位置。

if (num_edges % 2 == 0) {
    int centerX = edge_points[num_edges / 2].x;
    int centerY = edge_points[num_edges / 2].y;
} else {
    int centerX = edge_points[(num_edges - 1) / 2].x + edge_points[(num_edges + 1) / 2].x / 2;
    int centerY = edge_points[(num_edges - 1) / 2].y + edge_points[(num_edges + 1) / 2].y / 2;
    cv::Point center(centerX, centerY);
}

5. **输出结果**：将中心点坐标打印出来，或者将其保存到另一个变量中供后续使用。