OpenCvSharp 编写多线程CircularCaliper找圆心函数 , 输入图像、找圆扇形区域的最小半径和最大半径、找圆扇形中心点、设定扇形区域起始角度、扇形区域结束角度 先剪出找圆扇形区域图像 输入Caliper个数,宽度、长度、 输入从内到外找圆心、从黑到白找圆 输入canny参数 并行计Caliper区域 中心圆可设定请编写函数、

时间: 2023-07-10 09:07:51 浏览: 44
下面是使用OpenCvSharp编写多线程CircularCaliper找圆心函数的示例代码: ```csharp using System; using System.Collections.Concurrent; using System.Collections.Generic; using System.Threading.Tasks; using OpenCvSharp; namespace CircularCaliper { class Program { static void Main(string[] args) { // 读入输入图像 Mat inputImg = Cv2.ImRead("input.jpg", ImreadModes.GrayScale); // 找圆心 Point2f center = FindCircleCenter(inputImg, 20, 50, new Point2f(inputImg.Width / 2, inputImg.Height / 2), 0, 360, 10, 30, 0, 0, 100); // 输出结果 Console.WriteLine("Circle center: ({0}, {1})", center.X, center.Y); } static Point2f FindCircleCenter(Mat src, int minRadius, int maxRadius, Point2f center, double startAngle, double endAngle, int numCalipers, int caliperWidth, int caliperLength, int method, int threshold1, int threshold2) { // 剪出找圆扇形区域图像 Mat roi = new Mat(); Rect rect = new Rect((int)(center.X - maxRadius), (int)(center.Y - maxRadius), maxRadius * 2, maxRadius * 2); src.SubMat(rect).CopyTo(roi); // 并行计算Caliper区域 ConcurrentBag<CaliperResult> results = new ConcurrentBag<CaliperResult>(); Parallel.For(0, numCalipers, i => { double angle = startAngle + (endAngle - startAngle) / (numCalipers - 1) * i; CaliperResult result = FindCircleCenterInCaliper(roi, minRadius, maxRadius, center, angle, caliperWidth, caliperLength, method, threshold1, threshold2); results.Add(result); }); // 找到最优的圆心 Point2f bestCenter = new Point2f(center.X, center.Y); double bestScore = 0; foreach (CaliperResult result in results) { if (result.Score > bestScore) { bestCenter = result.Center; bestScore = result.Score; } } return bestCenter; } static CaliperResult FindCircleCenterInCaliper(Mat roi, int minRadius, int maxRadius, Point2f center, double angle, int caliperWidth, int caliperLength, int method, int threshold1, int threshold2) { // 计算Caliper的起始点和结束点 Point2f startPoint = new Point2f(center.X + minRadius * (float)Math.Cos(angle * Math.PI / 180), center.Y + minRadius * (float)Math.Sin(angle * Math.PI / 180)); Point2f endPoint = new Point2f(center.X + maxRadius * (float)Math.Cos(angle * Math.PI / 180), center.Y + maxRadius * (float)Math.Sin(angle * Math.PI / 180)); // 获取Caliper区域图像 Mat caliperRoi = new Mat(); double caliperLengthHalf = caliperLength / 2.0; if (Math.Abs(startPoint.X - endPoint.X) < 1e-6) { // 计算斜率不存在的情况 int caliperX = (int)startPoint.X; int caliperY1 = (int)(center.Y - caliperLengthHalf); int caliperY2 = (int)(center.Y + caliperLengthHalf); if (caliperY1 < 0) { caliperY1 = 0; caliperY2 = (int)caliperLength; } else if (caliperY2 > roi.Height - 1) { caliperY2 = roi.Height - 1; caliperY1 = (int)(roi.Height - caliperLength); } rect = new Rect(caliperX - caliperWidth / 2, caliperY1, caliperWidth, caliperY2 - caliperY1); caliperRoi = roi.SubMat(rect); } else { // 计算斜率存在的情况 double k = (endPoint.Y - startPoint.Y) / (endPoint.X - startPoint.X); double b = endPoint.Y - k * endPoint.X; double angleRad = angle * Math.PI / 180; double cosAngle = Math.Cos(angleRad); double sinAngle = Math.Sin(angleRad); Point2f[] points = new Point2f[4]; points[0] = new Point2f((float)(startPoint.X + caliperWidth / 2 * sinAngle), (float)(startPoint.Y - caliperWidth / 2 * cosAngle)); points[1] = new Point2f((float)(startPoint.X - caliperWidth / 2 * sinAngle), (float)(startPoint.Y + caliperWidth / 2 * cosAngle)); points[2] = new Point2f((float)(endPoint.X - caliperWidth / 2 * sinAngle), (float)(endPoint.Y + caliperWidth / 2 * cosAngle)); points[3] = new Point2f((float)(endPoint.X + caliperWidth / 2 * sinAngle), (float)(endPoint.Y - caliperWidth / 2 * cosAngle)); Point2f[] pointsTransformed = new Point2f[4]; for (int i = 0; i < 4; i++) { double x = (points[i].Y - b) / k; double y = k * points[i].X + b; pointsTransformed[i] = new Point2f((float)x, (float)y); } int minX = (int)Math.Min(Math.Min(Math.Min(pointsTransformed[0].X, pointsTransformed[1].X), pointsTransformed[2].X), pointsTransformed[3].X); int maxX = (int)Math.Max(Math.Max(Math.Max(pointsTransformed[0].X, pointsTransformed[1].X), pointsTransformed[2].X), pointsTransformed[3].X); int minY = (int)Math.Min(Math.Min(Math.Min(pointsTransformed[0].Y, pointsTransformed[1].Y), pointsTransformed[2].Y), pointsTransformed[3].Y); int maxY = (int)Math.Max(Math.Max(Math.Max(pointsTransformed[0].Y, pointsTransformed[1].Y), pointsTransformed[2].Y), pointsTransformed[3].Y); if (minX < 0) minX = 0; if (maxX > roi.Width - 1) maxX = roi.Width - 1; if (minY < 0) minY = 0; if (maxY > roi.Height - 1) maxY = roi.Height - 1; rect = new Rect(minX, minY, maxX - minX + 1, maxY - minY + 1); caliperRoi = roi.SubMat(rect); // 进行边缘检测 if (method == 0) { Cv2.Canny(caliperRoi, caliperRoi, threshold1, threshold2); } else if (method == 1) { Cv2.Sobel(caliperRoi, caliperRoi, MatType.CV_32F, 1, 0); Cv2.ConvertScaleAbs(caliperRoi, caliperRoi); Cv2.Threshold(caliperRoi, caliperRoi, threshold1, 255, ThresholdTypes.Binary); } } // 计算圆心 Point2f centerInCaliper = new Point2f(0, 0); double score = 0; if (caliperRoi.Rows >= caliperLength) { for (int x = 0; x < caliperRoi.Width - caliperWidth; x++) { int y1 = 0, y2 = caliperLength - 1; while (y2 < caliperRoi.Rows - 1) { // 计算Caliper区域中心 Point2f centerTemp = new Point2f(x + caliperWidth / 2.0f, (y1 + y2) / 2.0f); // 计算Caliper区域得分 double scoreTemp = 0; if (method == 0) { for (int y = y1; y <= y2; y++) { scoreTemp += caliperRoi.At<byte>(y, x); } } else if (method == 1) { for (int y = y1; y <= y2; y++) { scoreTemp += caliperRoi.At<byte>(y, x); } } if (scoreTemp > score) { centerInCaliper = centerTemp; score = scoreTemp; } // 移动Caliper区域 y1++; y2++; } } } // 计算圆心在原图中的位置 Point2f centerInSrc = new Point2f(centerInCaliper.X + rect.X, centerInCaliper.Y + rect.Y); // 返回结果 return new CaliperResult(centerInSrc, score); } class CaliperResult { public Point2f Center { get; set; } public double Score { get; set; } public CaliperResult(Point2f center, double score) { Center = center; Score = score; } } } } ``` 上述代码中,我们定义了一个 `FindCircleCenter()` 函数和一个 `FindCircleCenterInCaliper()` 函数,前者用于找到整个扇形区域的圆心,后者用于在单个Caliper区域内找到圆心。这两个函数都是多线程的,可以并行计算多个Caliper区域。 在 `FindCircleCenter()` 函数中,我们首先剪出扇形区域的图像,并对每个Caliper区域调用 `FindCircleCenterInCaliper()` 函数进行计算。计算完成后,我们选择得分最高的圆心作为整个扇形区域的圆心。 在 `FindCircleCenterInCaliper()` 函数中,我们首先计算Caliper的起始点和结束点,并获取Caliper区域的图像。如果需要进行边缘检测,则对图像进行处理。然后我们在Caliper区域内移动一个固定大小的滑动窗口,计算每个窗口的得分,并选择得分最高的窗口的中心作为圆心。最后,我们将圆心在Caliper区域中的位置转换为在原图中的位置,并返回结果。 需要说明的是,本代码仅是一个示例,实际应用中还需要根据具体情况进行调整。

相关推荐

zip
卷积神经网络(Convolutional Neural Networks, CNNs 或 ConvNets)是一类深度神经网络,特别擅长处理图像相关的机器学习和深度学习任务。它们的名称来源于网络中使用了一种叫做卷积的数学运算。以下是卷积神经网络的一些关键组件和特性: 卷积层(Convolutional Layer): 卷积层是CNN的核心组件。它们通过一组可学习的滤波器(或称为卷积核、卷积器)在输入图像(或上一层的输出特征图)上滑动来工作。 滤波器和图像之间的卷积操作生成输出特征图,该特征图反映了滤波器所捕捉的局部图像特性(如边缘、角点等)。 通过使用多个滤波器,卷积层可以提取输入图像中的多种特征。 激活函数(Activation Function): 在卷积操作之后,通常会应用一个激活函数(如ReLU、Sigmoid或tanh)来增加网络的非线性。 池化层(Pooling Layer): 池化层通常位于卷积层之后,用于降低特征图的维度(空间尺寸),减少计算量和参数数量,同时保持特征的空间层次结构。 常见的池化操作包括最大池化(Max Pooling)和平均池化(Average Pooling)。 全连接层(Fully Connected Layer): 在CNN的末端,通常会有几层全连接层(也称为密集层或线性层)。这些层中的每个神经元都与前一层的所有神经元连接。 全连接层通常用于对提取的特征进行分类或回归。 训练过程: CNN的训练过程与其他深度学习模型类似,通过反向传播算法和梯度下降(或其变种)来优化网络参数(如滤波器权重和偏置)。 训练数据通常被分为多个批次(mini-batches),并在每个批次上迭代更新网络参数。 应用: CNN在计算机视觉领域有着广泛的应用,包括图像分类、目标检测、图像分割、人脸识别等。 它们也已被扩展到处理其他类型的数据,如文本(通过卷积一维序列)和音频(通过卷积时间序列)。 随着深度学习技术的发展,卷积神经网络的结构和设计也在不断演变,出现了许多新的变体和改进,如残差网络(ResNet)、深度卷积生成对抗网络(DCGAN)等。

最新推荐

recommend-type

Java多线程之死锁的出现和解决方法

本篇文章主要介绍了Java多线程之死锁的出现和解决方法,小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧
recommend-type

浅谈PyQt5中异步刷新UI和Python多线程总结

今天小编就为大家分享一篇浅谈PyQt5中异步刷新UI和Python多线程总结,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

python3+PyQt5 创建多线程网络应用-TCP客户端和TCP服务器实例

今天小编就为大家分享一篇python3+PyQt5 创建多线程网络应用-TCP客户端和TCP服务器实例,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多线程接口案例

项目为某内控公司要求并发测试,编写多线程访问接口,并生成Excel报告的脚本,记录基本步骤。 若有需要写UI自动化,接口自动化,多线程,服务器测试定时脚本等等,可联系本工具熊。 分五步操作实现50个或更多用户...
recommend-type

C#多线程处理多个队列数据的方法

主要介绍了C#多线程处理多个队列数据的方法,涉及C#线程与队列的相关操作技巧,需要的朋友可以参考下
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

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

SQL怎么实现 数据透视表

SQL可以通过使用聚合函数和GROUP BY子句来实现数据透视表。 例如,假设有一个销售记录表,其中包含产品名称、销售日期、销售数量和销售额等信息。要创建一个按照产品名称、销售日期和销售额进行汇总的数据透视表,可以使用以下SQL语句: ``` SELECT ProductName, SaleDate, SUM(SaleQuantity) AS TotalQuantity, SUM(SaleAmount) AS TotalAmount FROM Sales GROUP BY ProductName, SaleDate; ``` 该语句将Sales表按照ProductName和SaleDat
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。