C++opencv,有灰度图res,轮廓识别的结果保存在contours中,轮廓的中心点为center。如何从中心点出发,每隔2°作射线?

时间: 2024-02-27 19:52:52 浏览: 17
可以使用以下代码来实现: ```c++ // 设置每隔2度的角度增量 double angle_increment = 2.0 * CV_PI / 180.0; // 从中心点出发,每隔2度作射线 for (double angle = 0; angle < 2 * CV_PI; angle += angle_increment) { // 计算射线的末端坐标 int x = center.x + 1000 * cos(angle); int y = center.y + 1000 * sin(angle); // 在灰度图上画出该射线 cv::line(res, center, cv::Point(x, y), cv::Scalar(255, 0, 0), 1); // 检查该射线与轮廓的交点 std::vector<cv::Point> intersection_points; for (int i = 0; i < contours.size(); i++) { std::vector<cv::Point> contour = contours[i]; for (int j = 0; j < contour.size(); j++) { cv::Point p1 = contour[j]; cv::Point p2 = contour[(j + 1) % contour.size()]; if (cv::clipLine(cv::Rect(0, 0, res.cols, res.rows), p1, p2)) { double d = (x - center.x) * (p2.y - p1.y) - (y - center.y) * (p2.x - p1.x); if (d != 0) { double t = ((p1.x - center.x) * (p2.y - p1.y) - (p1.y - center.y) * (p2.x - p1.x)) / d; double u = -((p1.x - center.x) * (y - center.y) - (p1.y - center.y) * (x - center.x)) / d; if (t >= 0 && t <= 1 && u >= 0) { cv::Point intersection_point(p1.x + t * (p2.x - p1.x), p1.y + t * (p2.y - p1.y)); intersection_points.push_back(intersection_point); } } } } } // 在灰度图上画出该射线与轮廓的交点 for (int i = 0; i < intersection_points.size(); i++) { cv::circle(res, intersection_points[i], 2, cv::Scalar(0, 0, 255), -1); } } ``` 其中,`angle_increment` 是每隔2度的角度增量,`center` 是轮廓的中心点,`contours` 是轮廓的点集,`res` 是灰度图像。 首先,使用一个 `for` 循环,从0度开始每隔2度作射线。在循环中,计算射线的末端坐标并在灰度图上画出该射线。然后,对于每个轮廓,检查该射线与轮廓的交点。如果存在交点,则将其保存在 `intersection_points` 中。最后,在灰度图上画出该射线与轮廓的交点。 在检查射线与轮廓的交点时,可以使用 OpenCV 的 `clipLine` 函数来判断射线是否与轮廓相交,并使用向量叉积计算交点。

相关推荐

最新推荐

recommend-type

python-opencv获取二值图像轮廓及中心点坐标的代码

今天小编就为大家分享一篇python-opencv获取二值图像轮廓及中心点坐标的代码,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
recommend-type

Python Opencv实现图像轮廓识别功能

主要为大家详细介绍了Python Opencv实现图像轮廓识别功能,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
recommend-type

opencv python 图像轮廓/检测轮廓/绘制轮廓的方法

主要介绍了opencv python 图像轮廓/检测轮廓/绘制轮廓的方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
recommend-type

python+opencv轮廓检测代码解析

主要介绍了python+opencv轮廓检测代码解析,本文实例实现对图片的简单处理,比如图片的读取,灰度显示等相关内容,具有一定借鉴价值,需要的朋友可以参考下
recommend-type

OpenCV-RGB图像灰度化,并提取轮廓

OpenCV—RGB图像灰度化,并提取轮廓 主要功能:加载一个RGB彩色图像,将其转化成灰度图,并采用Canny算法提取灰度图的边缘
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

【实战演练】MATLAB用遗传算法改进粒子群GA-PSO算法

![MATLAB智能算法合集](https://static.fuxi.netease.com/fuxi-official/web/20221101/83f465753fd49c41536a5640367d4340.jpg) # 2.1 遗传算法的原理和实现 遗传算法(GA)是一种受生物进化过程启发的优化算法。它通过模拟自然选择和遗传机制来搜索最优解。 **2.1.1 遗传算法的编码和解码** 编码是将问题空间中的解表示为二进制字符串或其他数据结构的过程。解码是将编码的解转换为问题空间中的实际解的过程。常见的编码方法包括二进制编码、实数编码和树形编码。 **2.1.2 遗传算法的交叉和
recommend-type

openstack的20种接口有哪些

以下是OpenStack的20种API接口: 1. Identity (Keystone) API 2. Compute (Nova) API 3. Networking (Neutron) API 4. Block Storage (Cinder) API 5. Object Storage (Swift) API 6. Image (Glance) API 7. Telemetry (Ceilometer) API 8. Orchestration (Heat) API 9. Database (Trove) API 10. Bare Metal (Ironic) API 11. DNS
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。