用opencv和C++实现：测量图片中轮廓的圆度，其中圆度最高的轮廓实际尺寸已知，根据比例得出其他轮廓的实际尺寸。将各个轮廓的圆度和实际尺寸标在图像上

您可以使用OpenCV的轮廓检测函数findContours获取图片中的所有轮廓信息，然后遍历每个轮廓来计算其圆度。圆度可以使用contourArea和arcLength计算，并将这些数据存储在一个包含轮廓信息的数据结构中。根据比例可以计算出其他轮廓的实际尺寸。最后，您可以使用OpenCV的绘制函数在原始图像中将每个轮廓的圆度和实际尺寸标记出来。希望这能对您有所帮助。 顺便告诉您一个笑话：为什么码农喜欢喝茶？因为茶几快。

相关问题

opencv中使用c++，对粘连轮廓使用分水岭，用面积筛选轮廓，对筛选后轮廓再椭圆拟合

以下是使用OpenCV C++实现的示例代码，其中包括了对粘连轮廓使用分水岭算法、对筛选后轮廓椭圆拟合等操作。

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

int main() {
    Mat img = imread("test.png", 0); // 读取灰度图像
    if (img.empty()) {
        cerr << "Cannot read image file." << endl;
        return -1;
    }

    // 二值化
    Mat bw;
    threshold(img, bw, 0, 255, THRESH_BINARY | THRESH_OTSU);

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

    // 对轮廓进行面积筛选
    vector<vector<Point>> filtered_contours;
    for (size_t i = 0; i < contours.size(); i++) {
        double area = contourArea(contours[i]);
        if (area > 500) { // 设置面积阈值
            filtered_contours.push_back(contours[i]);
        }
    }

    // 对筛选后轮廓进行椭圆拟合
    Mat result = Mat::zeros(img.size(), CV_8UC3);
    for (size_t i = 0; i < filtered_contours.size(); i++) {
        RotatedRect ellipse = fitEllipse(filtered_contours[i]);
        drawContours(result, filtered_contours, i, Scalar(0, 255, 0), 2);
        ellipse(result, ellipse, Scalar(0, 0, 255), 2);
    }

    // 显示结果
    imshow("Result", result);
    waitKey(0);

    return 0;
}

对于粘连轮廓的分水岭分割，可以使用OpenCV提供的Watershed算法。具体实现步骤如下：

1. 对二值化图像进行距离变换，并计算其梯度。
2. 对梯度图像进行阈值分割，得到分水岭标记图像。
3. 对分水岭标记图像进行距离变换。
4. 将分水岭标记图像中的未知区域（即值为0的像素）赋值为距离变换图像中的最大值。
5. 对距离变换图像进行归一化，得到分水岭高度图像。
6. 对高度图像进行分水岭变换。
7. 对分水岭变换结果进行标记，并在原图像上进行颜色填充。

以下是使用OpenCV C++实现的示例代码：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

int main() {
    Mat img = imread("test.png", 0); // 读取灰度图像
    if (img.empty()) {
        cerr << "Cannot read image file." << endl;
        return -1;
    }

    // 二值化
    Mat bw;
    threshold(img, bw, 0, 255, THRESH_BINARY | THRESH_OTSU);

    // 距离变换
    Mat dist;
    distanceTransform(bw, dist, DIST_L2, 3);

    // 计算梯度
    Mat grad;
    Sobel(dist, grad, CV_32F, 1, 1);

    // 阈值分割
    double minval, maxval;
    minMaxLoc(grad, &minval, &maxval);
    Mat markers;
    threshold(grad, markers, 0.7 * maxval, 255, THRESH_BINARY);

    // 分水岭变换
    watershed(dist, markers);

    // 标记区域
    Mat result = Mat::zeros(img.size(), CV_8UC3);
    for (int i = 0; i < markers.rows; i++) {
        for (int j = 0; j < markers.cols; j++) {
            int index = markers.at<int>(i, j);
            if (index == -1) {
                result.at<Vec3b>(i, j) = Vec3b(255, 255, 255);
            } else if (index > 0 && index <= 255) {
                result.at<Vec3b>(i, j) = Vec3b(0, 0, index);
            }
        }
    }

    // 显示结果
    imshow("Result", result);
    waitKey(0);

    return 0;
}

用opencv和C++实现图片的亮度对比度和伽马值修改

可以使用 OpenCV 提供的 `cv::Mat` 类和相关函数来实现图片的亮度、对比度和伽马值的修改。下面是一个示例代码：

#include <opencv2/opencv.hpp>

int main() {
    // 加载原始图片
    cv::Mat img = cv::imread("input.jpg");

    // 修改亮度
    double alpha = 1.5;  // 亮度增加倍数
    cv::Mat brightened;
    img.convertTo(brightened, -1, alpha, 0);

    // 修改对比度
    double beta = 50;  // 对比度增加值
    cv::Mat contrasted;
    brightened.convertTo(contrasted, -1, 1, beta);

    // 修改伽马值
    double gamma = 0.5;  // 伽马值
    cv::Mat gamma_corrected;
    cv::Mat lookUpTable(1, 256, CV_8U);
    uchar* p = lookUpTable.ptr();
    for (int i = 0; i < 256; ++i) {
        p[i] = cv::saturate_cast<uchar>(pow(i / 255.0, gamma) * 255.0);
    }
    cv::LUT(contrasted, lookUpTable, gamma_corrected);

    // 保存修改后的图片
    cv::imwrite("output.jpg", gamma_corrected);

    return 0;
}

在上面的示例代码中，`convertTo` 函数用于修改亮度和对比度，`LUT` 函数用于修改伽马值。

需要注意的是，修改亮度和对比度时，亮度增加倍数和对比度增加值都可以是负数，表示降低亮度和对比度。

同时，修改伽马值时，可以使用 `cv::Mat` 类的 `convertTo` 函数来将图片转换为 32F 格式，然后使用 `cv::pow` 函数计算每个像素的新值，最后使用 `cv::saturate_cast` 函数将值限制在 0 到 255 之间。最后，使用 `cv::LUT` 函数将新值应用到图片上。