qt opencv 中心点

在Qt和OpenCV中，中心点一般指的是图像或者形状的中心坐标。对于图像而言，它的中心点坐标是图像宽高的一半；对于形状而言，它的中心点坐标可以通过计算所有顶点坐标的平均值来获得。

在OpenCV中，可以通过cv::moments()函数来计算图像或形状的矩，进而得到中心点坐标。具体实现方法可以参考以下代码示例：

cv::Moments moments = cv::moments(contour); // contour为轮廓
cv::Point2f center(moments.m10/moments.m00, moments.m01/moments.m00); // 中心点坐标

在Qt中，可以通过QPixmap::width()和QPixmap::height()函数获取图像宽高，进而计算得到中心点坐标。具体实现方法可以参考以下代码示例：

QPixmap pixmap("image.png"); // 加载图像
int centerX = pixmap.width() / 2; // 中心点x坐标
int centerY = pixmap.height() / 2; // 中心点y坐标
QPoint centerPoint(centerX, centerY); // 中心点坐标

相关问题

qt opencv模板匹配 旋转

Qt和OpenCV是两个非常强大的工具，在匹配和旋转图像方面也可以结合使用。模板匹配是指在一幅图像中找到与指定模板图像最相似的部分。OpenCV中提供了模板匹配函数cv::matchTemplate()来实现模板匹配。这个函数可以在一副图像中找到与模板图像最相似的区域，也可以找到多个匹配结果。

在对模板进行旋转匹配时，可以使用模板匹配函数cv::matchTemplate()结合旋转函数cv::warpAffine()。在cv::warpAffine()中，可以指定旋转角度和旋转中心点等参数。将模板图像进行旋转变换之后，再在原图像中进行模板匹配，即可得到旋转后的匹配结果。

在Qt中可以利用QLabel来显示原图像和匹配结果，并通过QSlider实现旋转角度的调整。可以通过QPushButton来触发匹配和旋转等操作。在界面设计中，可以使用Qt Designer创建界面，再进行程序编写。

总之，结合Qt和OpenCV可以实现高效且灵活的图像匹配和旋转操作。通过不断地优化算法和界面，可以实现更加优秀的图像匹配和旋转效果。

qt OpenCV 去除坐标相同的轮廓

在 OpenCV 中，可以使用 `cv2.findContours()` 函数来检测图像中的轮廓。如果要去除坐标相同的轮廓，可以使用以下方法：

1. 首先，使用 `cv2.findContours()` 函数检测出所有的轮廓。

2. 然后，对于每个轮廓，计算其所有点的平均值，即可得到轮廓的中心点坐标。

3. 接着，使用一个集合（set）来存储已经出现过的中心点坐标，如果当前轮廓的中心点坐标已经在集合中出现过，则说明该轮廓与之前的某个轮廓的中心点坐标相同，因此可以将其删除。

4. 最后，将剩余的轮廓绘制出来即可。

以下是示例代码：

import cv2

# 读取图像
img = cv2.imread('image.jpg')

# 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化处理
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 查找轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 用于存储已经出现过的中心点坐标
center_set = set()

# 遍历所有轮廓
for contour in contours:
    # 计算轮廓的中心点坐标
    M = cv2.moments(contour)
    cx = int(M['m10'] / M['m00'])
    cy = int(M['m01'] / M['m00'])
    
    # 如果该中心点坐标已经出现过，则说明该轮廓与之前的某个轮廓的中心点坐标相同，因此可以将其删除
    if (cx, cy) in center_set:
        continue
    
    # 将当前中心点坐标加入集合中
    center_set.add((cx, cy))
    
    # 绘制剩余的轮廓
    cv2.drawContours(img, [contour], 0, (0, 0, 255), 2)

# 显示结果
cv2.imshow('result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例代码中，我们首先读取一张图像，并将其转换为灰度图像。然后使用 `cv2.threshold()` 函数对图像进行二值化处理，接着使用 `cv2.findContours()` 函数查找轮廓。

接下来，我们使用一个集合 `center_set` 来存储已经出现过的中心点坐标。对于每个轮廓，我们计算其中心点坐标，并判断该中心点坐标是否已经在集合中出现过，如果出现过，则说明该轮廓与之前的某个轮廓的中心点坐标相同，因此可以将其删除。如果中心点坐标没有出现过，则将其加入集合中，并绘制该轮廓。

最后，我们将剩余的轮廓绘制出来，并显示结果。