最近因為畢業課題的需要，初學opencv
，鑽研一周，終於有一點點小小的收穫。
編譯環境：vs2013+opencv.4.9
任務：攝像頭識別電梯中已亮的按鈕數字
目的：框選圖中已亮的3和5
號按鈕。話不多說，上**。
//rgb直方圖
//把r
通道分為32個
bin
int rbins = 32;
//int histsize = ;
int histsize = ;
//r的取值範圍
0-255
float rranges = ;
//const float* ranges = ;
const float* ranges = ;
ma*** hist;
//我們根據影象第乙個通道一維直方圖
int channels = ;
calchist(&frame, 1, channels, mat(), hist, 1, histsize, ranges, true, false);
//輸出直方圖
cout <
矩陣值
//對上述矩陣處理得到我們需要的矩陣區間,
處理目的是找出矩陣空間的陡變區間
int one,two,m;
int j;
float k[27];
for (int i = 5,j=0; i
float a = max(hist.at(i, 0), hist.at(i + 1, 0));
float b = min(hist.at(i, 0), hist.at(i + 1, 0));
float c = a / b;
k[j] = c;
//cout <
cout <
j++;
for ( one = 0, m = 0; m
if (k[one]
one = m;
for ( two = 0,m= 0; m
{ if (k[two]two = m;
one = max(one, two);
two = min(one, two);
cout <
int lowb = 8*(two-3)+1;//對得到的矩陣區間進行係數糾正，得到閾值範圍；（在這裡我只對
r通道的矩陣區間進行處理其他兩個通道同樣的處理方式）
int highb = 8*(one+10)-1;
int lowg = 230;
int highg = 255;
int lowr = 230;
int highr =255;
inrange(frame, scalar(lowb, lowg, lowr), scalar(highb, highg, highr), rbgthresholded); //閾值化原圖
cvtcolor(rbgthresholded, gray, cv_bgra2gray);//rgb圖轉換成灰度圖
imshow("灰度圖
", gray);//
輸出灰度圖
//對灰度圖進行一系列的處理
//開運算（去掉噪點）
mat element = getstructuringelement(morph_rect, size(5,5 ));
morphologyex(gray, gray, morph_open, element);
//閉運算
(連線部分連通域)
morphologyex(gray, gray, morph_close, element);
threshold(gray, bin, 120, 255, cv_thresh_binary);二值化
medianblur(bin, bin, 3);//中值濾波
imshow("二值圖
//尋找畫素點，繪製輪廓
vector> contours;
vectorhiers;
mat bin_con;
bin.copyto(bin_con);//拷貝資料
mat bin_concontours = mat::zeros(bin_con.size(), cv_8uc1);
mat contours = mat::zeros(bin_con.size(), cv_8uc1); //繪製
for (int i = 0; i
//contours[i]代表的是第
i個輪廓，
contours[i].size()
代表的是第
i個輪廓上所有的畫素點數
for (int j = 0; j
//繪製出
contours
向量內所有的畫素點
point p = point(contours[i][j].x, contours[i][j].y);
contours.at
(p) = 255;
//繪製輪廓
drawcontours(bin_concontours, contours, i, scalar(255), 1, 8, hiers);
imshow("輪廓圖
最終得到效果如圖，完美！
依次對其他幾個樣圖檢測：
基於顏色特徵提取數字
最近因為畢業課題的需要，初學opencv，鑽研一周，終於有一點點小小的收穫。編譯環境 vs2013 opencv.4.9 任務 攝像頭識別電梯中已亮的按鈕數字 目的 框選圖中已亮的3和5號按鈕。話不多說，上 rgb直方圖 把r通道分為32個bin int rbins 32 int histsize ...
基於顏色的特徵提取
內容及要求 一 設計說明 基於內容的影象檢索 content based image retrieval,cbir 技術由機器自動提取包含影象內容的視覺化特徵，如顏色 形狀 紋理等，對資料庫中的影象和查詢樣本影象在特徵空間進行匹配，檢索出與樣本相似的影象。其原理框圖如圖1所示。圖1 基於內容的影象檢...
顏色特徵提取
顏色特徵是在影象檢索中應用最為廣泛的視覺特徵，主要原因在於顏色往往和影象中所包含的物體或場景十分相關。此外，與其他的視覺特徵相比，顏色特徵對影象本身的尺寸 方向 視角的依賴性較小，從而具有較高的魯棒性。面向影象檢索的顏色特徵的表達涉及到若干問題。首先，我們需要選擇合適的顏色空間來描述顏色特徵 其次，...