contourArea函數的運用。

具體例子可以看下面的。

《如何獲得物體的主要方向？》

代碼略解：

1、讀入圖片，尋找輪廓；

//讀入圖像，轉換為灰度

Mat img = imread("e:/sandbox/pca1.jpg");

Mat bw;

cvtColor(img, bw, COLOR_BGR2GRAY);

//閾值處理

threshold(bw, bw, 150, 255, CV_THRESH_BINARY);

//尋找輪廓

vector > contours;

vector hierarchy;

findContours(bw, contours, hierarchy, CV_RETR_LIST, CV_CHAIN_APPROX_NONE);

2、首先以大小篩選輪廓；

//輪廓分析，找到工件

for (size_t i = 0; i < contours.size(); ++i)

{

//計算輪廓大小

double area = contourArea(contours[i]);

//去除過小或者過大的輪廓區域(科學計數法表示)

if (area < 1e2 || 1e5 < area) continue;

//繪制輪廓

drawContours(img, contours, i, CV_RGB(255, 0, 0), 2, 8, hierarchy, 0);

//尋找每一個輪廓的方向

getOrientation(contours[i], img);

}

3、單獨處理每個輪廓，分析其主要方向，繪制結果

//獲得構建的主要方向

double getOrientation(vector &pts, Mat &img)

{

//構建pca數據。這里做的是將輪廓點的x和y作為兩個維壓到data_pts中去。

Mat data_pts = Mat(pts.size(), 2, CV_64FC1);//使用mat來保存數據，也是為了后面pca處理需要

for (int i = 0; i < data_pts.rows; ++i)

{

data_pts.at(i, 0) = pts[i].x;

data_pts.at(i, 1) = pts[i].y;

}

//執行PCA分析

PCA pca_analysis(data_pts, Mat(), CV_PCA_DATA_AS_ROW);

//獲得最主要分量，在本例中，對應的就是輪廓中點，也是圖像中點

Point pos = Point(pca_analysis.mean.at(0, 0),pca_analysis.mean.at(0, 1));

//存儲特征向量和特征值

vector eigen_vecs(2);

vector eigen_val(2);

for (int i = 0; i < 2; ++i)

{

eigen_vecs[i] = Point2d(pca_analysis.eigenvectors.at(i, 0),pca_analysis.eigenvectors.at(i, 1));

eigen_val[i] = pca_analysis.eigenvalues.at(i,0);//注意，這個地方原代碼寫錯了

}

//在輪廓/圖像中點繪制小圓

circle(img, pos, 3, CV_RGB(255, 0, 255), 2);

//計算出直線，在主要方向上繪制直線

line(img, pos, pos + 0.02 * Point(eigen_vecs[0].x * eigen_val[0], eigen_vecs[0].y * eigen_val[0]) , CV_RGB(255, 255, 0));

line(img, pos, pos + 0.02 * Point(eigen_vecs[1].x * eigen_val[1], eigen_vecs[1].y * eigen_val[1]) , CV_RGB(0, 255, 255));

//返回角度結果

return atan2(eigen_vecs[0].y, eigen_vecs[0].x);

}

總結

以上是生活随笔為你收集整理的opencv 星空_opencv如何将大于5000像素点的轮廓绘制出来？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。