本篇文章給大家分享的是有關使用OpenCV怎么識別圓與矩形，小編覺得挺實用的，因此分享給大家學習，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

創(chuàng)新互聯(lián)公司主營西城網(wǎng)站建設的網(wǎng)絡公司,主營網(wǎng)站建設方案,手機APP定制開發(fā),西城h5成都小程序開發(fā)搭建,西城網(wǎng)站營銷推廣歡迎西城等地區(qū)企業(yè)咨詢

識別圓

在識別圓方面，OpenCV有內置的方法：霍夫圓變化：

HoughCircles(edges, circles, CV_HOUGH_GRADIENT, 1.5, 10, 200, 100, 0, 0);

參數(shù)分析：

edges:灰度圖像

circles: std::vector<Vec3f> circles;數(shù)組，用來存儲圓的坐標信息

CV_HOUGH_GRADIENT：Hough 變換方式，目前只支持CV_HOUGH_GRADIENT, which is basically 21HT, described in [Yuen03].默認用這個

1.5：累加器圖像的分辨率，1的時候是與獲取到的圖像相同，1.5就是1.5倍

10：圓與圓的最小距離，兩個圓心距離如果在范圍內則被認定為1個圓

200：100-200兩個參數(shù)選就夠了

100：默認100，數(shù)值越低識別圓越不精確（圓的數(shù)量識別變多可能有個弧線就被識別是圓）

最后兩個參數(shù)分別是識別 圓的最小，最大的面積。

矩形識別

矩形識別并沒有內置方法，需要自己手寫。

最主要的方法是二值化。通過二值化來調節(jié)識別的強度。

cvThreshold(tgray, gray, 75, 250, CV_THRESH_BINARY);

參數(shù)分析：

src：原始數(shù)組 (單通道 , 8-bit of 32-bit 浮點數(shù))。

dst：輸出數(shù)組，必須與 src 的類型一致，或者為 8-bit。

threshold：閾值

max_value：使用 CV_THRESH_BINARY 和 CV_THRESH_BINARY_INV 的最大值。

threshold_type：閾值類型

threshold_type=CV_THRESH_BINARY:如果 src(x,y)>threshold ,dst(x,y) = max_value; 否則,dst（x,y）=0;

threshold_type=CV_THRESH_BINARY_INV:如果 src(x,y)>threshold,dst(x,y) = 0; 否則,dst(x,y) = max_value.

threshold_type=CV_THRESH_TRUNC:如果 src(x,y)>threshold，dst(x,y) = max_value; 否則dst(x,y) = src(x,y).

threshold_type=CV_THRESH_TOZERO:如果src(x,y)>threshold，dst(x,y) = src(x,y) ; 否則 dst(x,y) = 0。

threshold_type=CV_THRESH_TOZERO_INV:如果 src(x,y)>threshold，dst(x,y) = 0 ; 否則dst(x,y) = src(x,y).

效果圖如下：

在矩形識別里面的二值化圖：

圓識別：

源碼：

#include <opencv2/opencv.hpp> 
#include <opencv2/imgproc/imgproc.hpp> 
#include <WINSOCK2.H>
#include<iostream>
#include<thread>
#include <winsock2.h>
#include <stdio.h>
#include<string>
#include <windows.h>
#pragma comment(lib,"ws2_32.lib")
#include<vector>
 
using namespace cv;
 
 
   //////////////////////////////////////////////////////////////////
   //函數(shù)功能：用向量來做COSα=兩向量之積/兩向量模的乘積求兩條線段夾角
   //輸入：  線段3個點坐標pt1,pt2,pt0,最后一個參數(shù)為公共點
   //輸出：  線段夾角，單位為角度
   //////////////////////////////////////////////////////////////////
double angle(CvPoint* pt1, CvPoint* pt2, CvPoint* pt0)
{
 double dx1 = pt1->x - pt0->x;
 double dy1 = pt1->y - pt0->y;
 double dx2 = pt2->x - pt0->x;
 double dy2 = pt2->y - pt0->y;
 double angle_line = (dx1*dx2 + dy1 * dy2) / sqrt((dx1*dx1 + dy1 * dy1)*(dx2*dx2 + dy2 * dy2) + 1e-10);//余弦值
 return acos(angle_line) * 180 / 3.141592653;
}
//////////////////////////////////////////////////////////////////
//函數(shù)功能：采用多邊形檢測，通過約束條件尋找矩形
//輸入：  img 原圖像
//     storage 存儲
//     minarea，maxarea 檢測矩形的最小/最大面積
//     minangle,maxangle 檢測矩形邊夾角范圍，單位為角度
//輸出：  矩形序列
//////////////////////////////////////////////////////////////////
CvSeq* findSquares4(IplImage* img, CvMemStorage* storage, int minarea, int maxarea, int minangle, int maxangle, int(&temp)[30])
{
 CvSeq* contours;//邊緣
 int N = 6; //閾值分級
 CvSize sz = cvSize(img->width & -2, img->height & -2);
 IplImage* timg = cvCloneImage(img);//拷貝一次img
 IplImage* gray = cvCreateImage(sz, 8, 1); //img灰度圖
 IplImage* pyr = cvCreateImage(cvSize(sz.width / 2, sz.height / 2), 8, 3); //金字塔濾波3通道圖像中間變量
 IplImage* tgray = cvCreateImage(sz, 8, 1); ;
 CvSeq* result;
 double s, t;
 int sk = 0;
 CvSeq* squares = cvCreateSeq(0, sizeof(CvSeq), sizeof(CvPoint), storage);
 
 cvSetImageROI(timg, cvRect(0, 0, sz.width, sz.height));
 //金字塔濾波 
 cvPyrDown(timg, pyr, 7);
 cvPyrUp(pyr, timg, 7);
 //在3個通道中尋找矩形 
 for (int c = 0; c < 3; c++) //對3個通道分別進行處理 
 {
 cvSetImageCOI(timg, c + 1);
 cvCopy(timg, tgray, 0); //依次將BGR通道送入tgray     
 for (int l = 0; l < N; l++)
 {
  //不同閾值下二值化
  cvThreshold(tgray, gray, 75, 250, CV_THRESH_BINARY);
  cvShowImage("111", gray);
  cvFindContours(gray, storage, &contours, sizeof(CvContour), CV_RETR_LIST, CV_CHAIN_APPROX_SIMPLE, cvPoint(0, 0));
  while (contours)
  { //多邊形逼近       
  result = cvApproxPoly(contours, sizeof(CvContour), storage, CV_POLY_APPROX_DP, cvContourPerimeter(contours)*0.02, 0);
 
  //如果是凸四邊形并且面積在范圍內 
  if (result->total == 4 && fabs(cvContourArea(result, CV_WHOLE_SEQ)) > minarea && fabs(cvContourArea(result, CV_WHOLE_SEQ)) < maxarea && cvCheckContourConvexity(result))
  {
 
   s = 0;
   //判斷每一條邊
   for (int i = 0; i < 5; i++)
   {
   if (i >= 2)
   {  //角度      
    t = fabs(angle((CvPoint*)cvGetSeqElem(result, i), (CvPoint*)cvGetSeqElem(result, i - 2), (CvPoint*)cvGetSeqElem(result, i - 1)));
    s = s > t ? s : t;
   }
   }
   //這里的S為直角判定條件 單位為角度
   if (s > minangle && s < maxangle)
   {
   for (int i = 0; i < 4; i++)
    cvSeqPush(squares, (CvPoint*)cvGetSeqElem(result, i));
   CvRect rect = cvBoundingRect(contours, 1);    // 獲取矩形邊界框 
   CvPoint p1;
   p1 = cvPoint(rect.x + rect.width / 2, rect.y + rect.height / 2);  //矩形中心坐標 
   std::cout << "X:" << p1.x << "Y：" << p1.y << std::endl;
   }
  }
  contours = contours->h_next;
  }
 }
 std::cout << "圓的數(shù)量是"<<sk << std::endl;
 temp[26] = sk;
 
 
 sk = 0;
 }
 cvReleaseImage(&gray);
 cvReleaseImage(&pyr);
 cvReleaseImage(&tgray);
 cvReleaseImage(&timg);
 
 return squares;
}
//////////////////////////////////////////////////////////////////
//函數(shù)功能：畫出所有矩形
//輸入：  img 原圖像
//     squares 矩形序列
//     wndname 窗口名稱
//輸出：  圖像中標記矩形
//////////////////////////////////////////////////////////////////
void drawSquares(IplImage* img, CvSeq* squares, const char* wndname)
{
 CvSeqReader reader;
 IplImage* cpy = cvCloneImage(img);
 CvPoint pt[4];
 int i;
 cvStartReadSeq(squares, &reader, 0);
 for (i = 0; i < squares->total; i += 4)
 {
 CvPoint* rect = pt;
 int count = 4;
 memcpy(pt, reader.ptr, squares->elem_size);
 CV_NEXT_SEQ_ELEM(squares->elem_size, reader);
 memcpy(pt + 1, reader.ptr, squares->elem_size);
 CV_NEXT_SEQ_ELEM(squares->elem_size, reader);
 memcpy(pt + 2, reader.ptr, squares->elem_size);
 CV_NEXT_SEQ_ELEM(squares->elem_size, reader);
 memcpy(pt + 3, reader.ptr, squares->elem_size);
 CV_NEXT_SEQ_ELEM(squares->elem_size, reader);
 //cvPolyLine( cpy, &rect, &count, 1, 1, CV_RGB(0,255,0), 3, CV_AA, 0 );
 cvPolyLine(cpy, &rect, &count, 1, 1, CV_RGB(rand() & 255, rand() & 255, rand() & 255), 1, CV_AA, 0);//彩色繪制
 }
 cvShowImage("22", cpy);
 cvReleaseImage(&cpy);
}
 
void SendMessageOne()
{
 //開起攝像頭
 VideoCapture capture;
 capture.open(0);
 Mat edges; //定義轉化的灰度圖
 if (!capture.isOpened())
 namedWindow("【效果圖】", CV_WINDOW_NORMAL);
 const char* winn = "1111";
 if (!capture.isOpened())
 //namedWindow(winn, CV_WINDOW_NORMAL);
 CvMemStorage* storage = 0;
 CvMemStorage* storage = 0;
 storage = cvCreateMemStorage(0);
 while (1)
 {
 int Y=0, J=0;
 Mat frame;
 capture >> frame;
 IplImage img0 = frame;
 //drawSquares(&img0, findSquares4(&img0, storage, 100, 2000, 80, 100, a), winn);
 //cvClearMemStorage(storage); //清空存儲
 Mat E = frame(Range(1, 320), Range(1, 240));
 cvtColor(frame, edges, CV_BGR2GRAY);
 //高斯濾波
 GaussianBlur(edges, edges, Size(7, 7), 2, 2);
 std::vector<Vec3f> circles;//存儲每個圓的位置信息
      //霍夫圓
 HoughCircles(edges, circles, CV_HOUGH_GRADIENT, 1.5, 10, 100, 100, 0, 50);
 for (size_t i = 0; i < circles.size(); i++)
 {
  Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
  int radius = cvRound(circles[i][2]);
  //std::cout << "圓的X是" << circles[i][0] << "圓的Y是" << circles[i][1] << std:: endl;
  //繪制圓輪廓 
  circle(frame, center, radius, Scalar(155, 50, 255), 3, 8, 0);
  int R = frame.at<Vec3b>(cvRound(circles[i][1]), cvRound(circles[i][0]))[2];//R
  int G = frame.at<Vec3b>(cvRound(circles[i][1]), cvRound(circles[i][0]))[1];//G
  int B = frame.at<Vec3b>(cvRound(circles[i][1]), cvRound(circles[i][0]))[0];//B
  int num = R + G + B;
  std::cout << "圓心顏色是" << num << std::endl;
        }
 
 imshow("【效果圖】", frame);
 waitKey(30);
 }
}
 
int main()
{
 std::thread *a = new std::thread(SendMessageOne);
 a->join();
 
 return 0;
}

以上就是使用OpenCV怎么識別圓與矩形，小編相信有部分知識點可能是我們日常工作會見到或用到的。希望你能通過這篇文章學到更多知識。更多詳情敬請關注創(chuàng)新互聯(lián)行業(yè)資訊頻道。

分享文章：使用OpenCV怎么識別圓與矩形
標題路徑：http://chinadenli.net/article4/gesdoe.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供域名注冊、定制開發(fā)、微信公眾號、動態(tài)網(wǎng)站、云服務器、虛擬主機

廣告

聲明：本網(wǎng)站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)