opencv java 轮廓提取_opencv3/C++轮廓的提取与筛选方式

时间: 2023-10-04 21:11:38 浏览: 82
OpenCV提供了在Java和C++中进行轮廓提取的方法。 在Java中,可以使用Imgproc.findContours()方法来提取图像中的轮廓。该方法需要一个二进制图像,其中前景为白色,背景为黑色。轮廓将存储在List<MatOfPoint>对象中。 以下是一个简单的Java示例,演示如何提取轮廓: ```java Mat image = Imgcodecs.imread("input.jpg"); Mat grayImage = new Mat(); Imgproc.cvtColor(image, grayImage, Imgproc.COLOR_BGR2GRAY); Mat binaryImage = new Mat(); Imgproc.threshold(grayImage, binaryImage, 128, 255, Imgproc.THRESH_BINARY); List<MatOfPoint> contours = new ArrayList<>(); Mat hierarchy = new Mat(); Imgproc.findContours(binaryImage, contours, hierarchy, Imgproc.RETR_TREE, Imgproc.CHAIN_APPROX_SIMPLE); ``` 在C++中,可以使用cv::findContours()函数来提取图像中的轮廓。该函数需要一个二进制图像,其中前景为白色,背景为黑色。轮廓将存储在std::vector<std::vector<cv::Point>>对象中。 以下是一个简单的C++示例,演示如何提取轮廓: ```cpp cv::Mat image = cv::imread("input.jpg"); cv::Mat grayImage; cv::cvtColor(image, grayImage, cv::COLOR_BGR2GRAY); cv::Mat binaryImage; cv::threshold(grayImage, binaryImage, 128, 255, cv::THRESH_BINARY); std::vector<std::vector<cv::Point>> contours; cv::findContours(binaryImage, contours, cv::RETR_TREE, cv::CHAIN_APPROX_SIMPLE); ``` 对于轮廓的筛选,可以使用cv::contourArea()函数计算轮廓的面积,并使用cv::boundingRect()函数计算轮廓的边界框。还可以使用cv::approxPolyDP()函数对轮廓进行多边形逼近,以减少顶点数。 以下是一个简单的C++示例,演示如何筛选轮廓: ```cpp std::vector<std::vector<cv::Point>> filteredContours; for (const auto& contour : contours) { double area = cv::contourArea(contour); if (area > 100 && area < 1000) { cv::Rect boundingRect = cv::boundingRect(contour); if (boundingRect.width / boundingRect.height > 0.5 && boundingRect.width / boundingRect.height < 2) { std::vector<cv::Point> approx; cv::approxPolyDP(contour, approx, 5, true); if (approx.size() == 4) { filteredContours.push_back(approx); } } } } ```

相关推荐

最新推荐

recommend-type

Opencv实现轮廓提取功能

主要为大家详细介绍了Opencv实现轮廓提取功能,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

opencv3/C++图像边缘提取方式

今天小编就为大家分享一篇opencv3/C++图像边缘提取方式,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

C语言实现opencv提取直线、轮廓及ROI实例详解

主要介绍了C语言实现opencv提取直线、轮廓及ROI实例详解,具有一定借鉴价值,需要的朋友可以参考下
recommend-type

opencv提取外部轮廓并在外部加矩形框

主要为大家详细介绍了opencv提取外部轮廓并在外部加矩形框,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

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

用matlab绘制高斯色噪声情况下的频率估计CRLB,其中w(n)是零均值高斯色噪声,w(n)=0.8*w(n-1)+e(n),e(n)服从零均值方差为se的高斯分布

以下是用matlab绘制高斯色噪声情况下频率估计CRLB的代码: ```matlab % 参数设置 N = 100; % 信号长度 se = 0.5; % 噪声方差 w = zeros(N,1); % 高斯色噪声 w(1) = randn(1)*sqrt(se); for n = 2:N w(n) = 0.8*w(n-1) + randn(1)*sqrt(se); end % 计算频率估计CRLB fs = 1; % 采样频率 df = 0.01; % 频率分辨率 f = 0:df:fs/2; % 频率范围 M = length(f); CRLB = zeros(M,1); for
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。