如何寻找图像中黄色区域的角点(inRange找到黄色区域后需进行形态学处理)C++

您可以使用OpenCV库中的函数来寻找图像中黄色区域的角点。具体步骤如下：

1. 使用inRange函数将图像中的黄色区域提取出来，得到一个二值图像。

2. 对二值图像进行形态学处理，可以使用函数morphologyEx，可以选择不同的操作，例如开运算、闭运算、膨胀、腐蚀等，以去除图像中的噪声和平滑图像。

3. 使用函数findContours找到图像中的轮廓。

4. 对每个轮廓使用函数approxPolyDP进行多边形拟合，得到轮廓的近似多边形。

5. 对多边形进行判断，如果多边形拟合结果是四边形，则说明该轮廓是矩形，可以使用函数cornerSubPix来进一步提取矩形的四个角点。

以下是一个实现的示例代码：

Mat srcImg = imread("image.jpg");
Mat hsvImg, binaryImg;

// 将图像转换到HSV空间
cvtColor(srcImg, hsvImg, COLOR_BGR2HSV);

// 设定黄色区域的HSV阈值
Scalar lower_yellow = Scalar(26, 43, 46);
Scalar upper_yellow = Scalar(34, 255, 255);

// 将图像中的黄色区域提取出来
inRange(hsvImg, lower_yellow, upper_yellow, binaryImg);

// 进行形态学处理
Mat element = getStructuringElement(MORPH_RECT, Size(5, 5));
morphologyEx(binaryImg, binaryImg, MORPH_OPEN, element);

// 寻找轮廓
vector<vector<Point> > contours;
vector<Vec4i> hierarchy;
findContours(binaryImg, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);

// 对每个轮廓进行多边形拟合，并提取角点
for (int i = 0; i < contours.size(); i++) {
    vector<Point> approxCurve;
    approxPolyDP(contours[i], approxCurve, arcLength(contours[i], true) * 0.02, true);

    if (approxCurve.size() == 4) {
        // 绘制矩形轮廓
        drawContours(srcImg, vector<vector<Point> >{approxCurve}, -1, Scalar(0, 0, 255), 2);

        // 提取角点
        vector<Point2f> corners;
        for (int j = 0; j < approxCurve.size(); j++) {
            corners.push_back(Point2f(approxCurve[j].x, approxCurve[j].y));
        }
        cornerSubPix(binaryImg, corners, Size(5, 5), Size(-1, -1), TermCriteria(TermCriteria::MAX_ITER | TermCriteria::EPS, 20, 0.01));

        // 绘制角点
        for (int j = 0; j < corners.size(); j++) {
            circle(srcImg, corners[j], 5, Scalar(255, 0, 0), -1);
        }
    }
}

imshow("result", srcImg);
waitKey(0);

其中，image.jpg是待处理的图像文件名。