#pragma once #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> #include <opencv2/imgproc/imgproc.hpp> #include<iostream> #include<vector> using namespace std; using namespace cv; // Lớp chứa các blob class Blob { public: int xmax, xmin, ymax, ymin, xcenter, ycenter; vector<Point> region; int width, height; int size; bool isInBlob(Point a) { if (a.x >= xmin - 2 && a.x <= xmax + 2 && a.y >= ymin - 2 && a.y <= ymax + 2) return true; return false; } void Add(Point a) { region.push_back(a); xmax = max(a.x, xmax); xmin = min(a.x, xmin); ymin = min(a.y, ymin); ymax = max(a.y, ymax); xcenter = (xmax + xmin) / 2; ycenter = (ymax + ymin) / 2; size = (xmax - xmin) * (ymax - ymin); width = xmax - xmin; height = ymax - ymin; } Blob() { xmax = ymax = xcenter = ycenter = size = 0; width = height = 0; xmin = ymin = INT_MAX; } ~Blob() {} };

这是一个使用OpenCV库实现的Blob类，用于表示图像中的连通区域。Blob类具有以下属性和方法：

属性：
- xmax, xmin, ymax, ymin：表示连通区域的最大和最小的x和y坐标。
- xcenter, ycenter：表示连通区域的中心点坐标。
- region：表示连通区域内所有像素的坐标。
- width, height：表示连通区域的宽度和高度。
- size：表示连通区域的面积。

方法：
- isInBlob(Point a)：判断一个点是否在该Blob中。
- Add(Point a)：将一个点添加到该Blob中。

可以通过使用Blob类来实现图像分割、目标检测等应用。

相关问题

C++ Dll项目 cpp新建OpenCV 函数 编写相关cpp 和头文件

在 Visual Studio 中新建一个 DLL 项目，然后添加 OpenCV 库文件和头文件。

1. 在项目属性中，选择 Configuration Properties -> General，将 Configuration Type 设置为 Dynamic Library (.dll)。

2. 在项目属性中，选择 Configuration Properties -> C/C++ -> General，将 Additional Include Directories 添加 OpenCV 的 include 文件夹路径。

3. 在项目属性中，选择 Configuration Properties -> Linker -> General，将 Additional Library Directories 添加 OpenCV 的 lib 文件夹路径。

4. 在项目属性中，选择 Configuration Properties -> Linker -> Input，将 Additional Dependencies 添加以下库文件：

opencv_core410d.lib
opencv_highgui410d.lib

5. 在项目中添加一个新的 C++ 源文件，用于编写 OpenCV 相关的函数。

6. 在该源文件中添加头文件：

#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>

7. 在该源文件中编写 OpenCV 相关的函数。例如：

void showImage(const char* filename)
{
    cv::Mat image = cv::imread(filename, cv::IMREAD_COLOR);
    cv::imshow("Image", image);
    cv::waitKey(0);
}

8. 在该源文件中添加导出函数声明：

#ifdef __cplusplus
extern "C" {
#endif

__declspec(dllexport) void showImage(const char* filename);

#ifdef __cplusplus
}
#endif

9. 在项目中添加一个新的头文件，用于声明导出函数。

#pragma once

#ifdef __cplusplus
extern "C" {
#endif

__declspec(dllexport) void showImage(const char* filename);

#ifdef __cplusplus
}
#endif

10. 在该头文件中添加所有需要导出的函数声明。

11. 编译项目并生成 DLL 文件。

12. 可以在其他项目中引用该 DLL 文件，并使用其中的函数。

用C++，openmp，opencv实现连通区域标记的二遍扫描算法，要先将输入的图像二值化，并且用动态二维数组来存储每个像素所属的连通区域标记

以下是用C，OpenMP和OpenCV实现的连通区域标记的二遍扫描算法的示例代码。在此示例中，输入图像被假设为名为“input.png”的PNG文件，并且输出图像被保存为名为“output.png”的PNG文件。

#include <stdio.h>
#include <stdlib.h>
#include <omp.h>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>

using namespace cv;

int main(int argc, char** argv)
{
    // Read input image
    Mat input = imread("input.png", CV_LOAD_IMAGE_GRAYSCALE);
    int height = input.rows;
    int width = input.cols;

    // Binarize input image
    Mat binary;
    threshold(input, binary, 128, 255, THRESH_BINARY);

    // Allocate dynamic 2D array to store labels
    int** labels = new int*[height];
    for (int i = 0; i < height; i++)
        labels[i] = new int[width];

    // Initialize labels to -1
    #pragma omp parallel for
    for (int i = 0; i < height; i++)
        for (int j = 0; j < width; j++)
            labels[i][j] = -1;

    // First pass
    int next_label = 0;
    #pragma omp parallel for
    for (int i = 0; i < height; i++) {
        for (int j = 0; j < width; j++) {
            if (binary.at<uchar>(i, j) == 255) {
                int left = (j > 0) ? labels[i][j-1] : -1;
                int up = (i > 0) ? labels[i-1][j] : -1;
                if (left == -1 && up == -1) { // Create new label
                    labels[i][j] = next_label;
                    next_label++;
                } else if (left == -1) { // Use up label
                    labels[i][j] = up;
                } else if (up == -1) { // Use left label
                    labels[i][j] = left;
                } else { // Merge labels
                    int min_label = (left < up) ? left : up;
                    int max_label = (left > up) ? left : up;
                    labels[i][j] = min_label;
                    #pragma omp parallel for
                    for (int ii = 0; ii < height; ii++) {
                        for (int jj = 0; jj < width; jj++) {
                            if (labels[ii][jj] == max_label)
                                labels[ii][jj] = min_label;
                        }
                    }
                }
            }
        }
    }

    // Second pass
    int* counts = new int[next_label];
    for (int i = 0; i < next_label; i++)
        counts[i] = 0;
    #pragma omp parallel for
    for (int i = 0; i < height; i++) {
        for (int j = 0; j < width; j++) {
            if (labels[i][j] >= 0) {
                int label = labels[i][j];
                #pragma omp atomic
                counts[label]++;
            }
        }
    }
    #pragma omp parallel for
    for (int i = 0; i < height; i++) {
        for (int j = 0; j < width; j++) {
            if (labels[i][j] >= 0) {
                int label = labels[i][j];
                int count = counts[label];
                int color = (count > 200) ? 255 : 0; // Threshold count
                binary.at<uchar>(i, j) = color;
            }
        }
    }

    // Save output image
    imwrite("output.png", binary);

    // Deallocate dynamic 2D array
    for (int i = 0; i < height; i++)
        delete[] labels[i];
    delete[] labels;
    delete[] counts;

    return 0;
}

在此示例中，算法的第一遍扫描通过使用OpenMP并行化来加速计算。第二遍扫描也使用OpenMP并行化，但是在计算每个连通区域的像素计数时使用了OpenMP原子操作，以确保线程安全。算法还使用OpenCV中的threshold函数来执行二值化，并使用Mat对象来处理图像。