主頁 >  其他 > Opencv做mark點尋邊定位

Opencv做mark點尋邊定位

2020-12-04 11:56:03 其他

Opencv做mark點尋邊定位

通過mark點進行定位是很常見的專案，mark點就是在圖上或者工件上設定一個標志性的mark點，在這里以圓點為例，如圖：
在這里插入圖片描述

這個原圖是一個很大的板子，然后四個角分別有一個黑色圓點，黑點就是mark點了，在這里，mark點的作用就是為了讓攝像頭在運動中通過mark點來確定板子的具體位置，然后根據mark點的位置確定整個板子的加工路徑，專案比較簡單，主要說一下實作方式，

第一步：檢測mark點存在的問題：
要能夠準確的提取到完整的mark點輪廓
圖中其他與mark點相似部分的干擾（如圖中卡通人物的眼睛）
環境變化導致的光線變化使閾值難以確定
第二步：設計解決問題的方案：
因為環境光具有不確定性，一旦光線發生變化，必然會影響mark點輪廓的提取，為此經過多次嘗試，最終制定了兩套可行方案，
1.利用影像的直方圖來確定閾值，因為mark點一定是黑色，所以mark點的灰度閾值一般是影像直方圖的第一個波峰，所以可以將直方圖的第一個波谷作為二值化的閾值，另外，在實際測驗中有時會因為背景有過黑的物體導致閾值錯誤，因此還需設定一個最小閾值，
2.通過梯度提取輪廓，利用sobel算子計算影像的梯度，然后對梯度圖進行二值化，這樣也有利于克服環境變換的影響，但是弊端在于相機與物體的距離極限要遠小于直接二值化，而且強光也會導致梯度斷裂，出現輪廓斷續不完整，
解決mark點與圖中其他相似點的方法也是通過直方圖和灰度像素來確定的，已知mark點周邊的像素必定是白色的所以mark點周邊的像素應該是接近直方圖的最后一個波峰，因為檢測mark點有兩種情況，一種是一定存在mark點，另一種是在機床行進中捕獲mark點，先針對一定存在mark點的，如果一定存在mark點，那么就直接尋找視野內周邊像素值最大的黑色圓點即可，如果是尋邊捕獲mark點，那就需要不斷地尋找黑色圓點且周圍像素值接近直方圖的最后一個波峰，
第三步：確定mark點所需引數：
因為檢測mark點時，相機已經固定，相機到板子的距離也就已經固定了，所以需要通過面積，樣式，半徑大小等方式來限制mark點，過濾掉過大或者過小的輪廓，可以提高準確率，
主要代碼決議：
這部分代碼主要是用來實作直方圖確定二值化閾值，獲取二值化影像，
int histSize = 256;
cv::MatND hist;
float range[] = { 0, 255 };
const float *ranges = { range };
int threshNum = 100;
std::vector threshNums;
//計算直方圖
calcHist(&grayImg, 1, 0, cv::Mat(), hist, 1, &histSize, &ranges, true, false);
//找到第一個波谷
for (int i = 3; i < 253; i++) {
if (hist.at(i) > hist.at(i - 1) && hist.at(i) > hist.at(i + 1) && hist.at(i - 1) > hist.at(i - 2) && hist.at(i + 1) > hist.at(i + 2) && hist.at(i - 2) > hist.at(i - 3) && hist.at(i + 2) > hist.at(i + 3)) {
//std::cout << i << std::endl;
threshNums.push_back(i);
}
}
if (threshNums.size() >= 2) {
threshNum = (threshNums[0] + threshNums[1]) / 2;
}
//設定最小閾值
if (threshNum < 80) {
threshNum = 80;
}
//進行二值化
cv::threshold(grayImg, thresh1, threshNum, 255, cv::THRESH_BINARY);
如圖：這是二值化后的結果，mark點非常清晰，
在這里插入圖片描述

這部分的代碼是通過sobel算出梯度圖并計算二值影像，
bool_t sobelImage(cv::Mat src, cv::Mat &sobelMat)
{
if (src.empty()) {
printf(“sobelImage(): image empty!\r\n”);
return false;
}
cv::Mat srcGray;
if (src.channels() == 3) {
cv::cvtColor(src, srcGray, cv::COLOR_BGR2GRAY);
}
else {
srcGray = src.clone();
}
// 定義邊緣圖，水平及垂直
cv::Mat edgeMat, edgeXMat, edgeYMat, edgeMat2;
// 求x方向Sobel邊緣
cv::Sobel(srcGray, edgeXMat, CV_16S, 1, 0, 3, 1, 0, cv::BORDER_DEFAULT);
// 求y方向Sobel邊緣
cv::Sobel(srcGray, edgeYMat, CV_16S, 0, 1, 3, 1, 0, cv::BORDER_DEFAULT);
// 線性變換轉換輸入陣列元素為8位無符號整型
convertScaleAbs(edgeXMat, edgeXMat);
convertScaleAbs(edgeYMat, edgeYMat);
// x與y方向邊緣疊加
addWeighted(edgeXMat, 0.5, edgeYMat, 0.5, 0, edgeMat);
edgeMat2 = edgeMat.clone();

for (int i = 0; i < edgeXMat.rows; i++) {
	for (int j = 0; j < edgeXMat.cols; j++) {
		uchar v1 = edgeXMat.at<uchar>(i, j);
		uchar v2 = edgeYMat.at<uchar>(i, j);
		int value = (int)sqrt(v1 * v1 + v2 * v2);
		if (value > 255) value = 255;
		edgeMat2.at<uchar>(i, j) = value;
	}
}
cv::Mat mean_mat;
cv::meanStdDev(edgeMat2, mean_mat, cv::noArray(), cv::noArray());
cv::threshold(edgeMat2, sobelMat, 10 * mean_mat.at<double>(0), 255, 0);
cv::imshow("edgMat", sobelMat);

return true;

}
影像如圖所示：mark的輪廓也很完整，
在這里插入圖片描述

Mark點的檢測分兩步，第一步需要先獲取影像中mark點的引數，這個引數需要手動獲取，在操作平臺上用滑鼠點擊一個mark點，即可獲得mark點的面積，半徑的閾值范圍，這部分代碼對應代碼中的getAreaAndP函式，mark點的檢測對應的imgMatch函式，
如果需要測距，請參考我的相機標定計算兩點距離的博客，
附上完整代碼：
// imageMatch.cpp : 此檔案包含 “main” 函式，程式執行將在此處開始并結束，
//

#include <iostream>
#include <opencv.hpp>
#include <vector>
#include <ctime>
#include <string>

typedef bool bool_t;
bool_t imgMatch(bool_t isMark, cv::Mat img, double contScope[2], int findObj, double pointCrd[2], int minRadius, int maxRadius, std::vector<cv::Point>& markContours);
double aveImg(cv::Mat imgC);
bool_t getAreaAndP(cv::Mat img, cv::Point2f getPoints, int findObj, double& minArea, double& maxArea, int& minR, int& maxR);
bool_t findMarkCenter(bool_t isMark, cv::Mat img, cv::Mat grayImg, cv::Mat thresh, double contScope[2], int findObj, double pointCrd[2], int minRadius, int maxRadius, std::vector<cv::Point>& markContours, double minPix);
bool_t sobelImage(cv::Mat src, cv::Mat &sobelMat);
bool_t getAreaAndR(cv::Mat thresh, cv::Point2f getPoints, std::vector<cv::Point> &cont_1, int &flag_1);

bool_t sobelImage(cv::Mat src, cv::Mat &sobelMat)
{
	if (src.empty()) {
		printf("sobelImage(): image empty!\r\n");
		return false;
	}
	cv::Mat srcGray;
	if (src.channels() == 3) {
		cv::cvtColor(src, srcGray, cv::COLOR_BGR2GRAY);
	}
	else {
		srcGray = src.clone();
	}
	// 定義邊緣圖，水平及垂直
	cv::Mat edgeMat, edgeXMat, edgeYMat, edgeMat2;
	// 求x方向Sobel邊緣
	cv::Sobel(srcGray, edgeXMat, CV_16S, 1, 0, 3, 1, 0, cv::BORDER_DEFAULT);
	// 求y方向Sobel邊緣
	cv::Sobel(srcGray, edgeYMat, CV_16S, 0, 1, 3, 1, 0, cv::BORDER_DEFAULT);
	// 線性變換轉換輸入陣列元素為8位無符號整型
	convertScaleAbs(edgeXMat, edgeXMat);
	convertScaleAbs(edgeYMat, edgeYMat);
	// x與y方向邊緣疊加
	addWeighted(edgeXMat, 0.5, edgeYMat, 0.5, 0, edgeMat);
	edgeMat2 = edgeMat.clone();

	for (int i = 0; i < edgeXMat.rows; i++) {
		for (int j = 0; j < edgeXMat.cols; j++) {
			uchar v1 = edgeXMat.at<uchar>(i, j);
			uchar v2 = edgeYMat.at<uchar>(i, j);
			int value = (int)sqrt(v1 * v1 + v2 * v2);
			if (value > 255) value = 255;
			edgeMat2.at<uchar>(i, j) = value;
		}
	}
	cv::Mat mean_mat;
	cv::meanStdDev(edgeMat2, mean_mat, cv::noArray(), cv::noArray());
	cv::threshold(edgeMat2, sobelMat, 10 * mean_mat.at<double>(0), 255, 0);
	cv::imshow("edgMat", sobelMat);

	return true;
}

bool_t getAreaAndR(cv::Mat thresh, cv::Point2f getPoints, std::vector<cv::Point> &cont_1, int &flag_1) {
	std::vector<std::vector<cv::Point>> contours_1;
	std::vector<cv::Vec4i> hierachy_1;
	
	cv::findContours(thresh, contours_1, hierachy_1, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE, cv::Point());
	//尋找點所在的輪廓
	for (int i = 0; i < contours_1.size(); i++) {
		double tmp = cv::pointPolygonTest(contours_1[i], getPoints, true);
		if (tmp >= 0) {
			cont_1 = contours_1[i];
			flag_1 = 0;
			break;
		}
	}
	return 1;
}

bool_t getAreaAndP(cv::Mat img, cv::Point2f getPoints, int findObj, double& minArea, double& maxArea, int& minR, int& maxR) {
	cv::Point2f center;
	cv::Mat FilterImg;
	cv::Mat grayImg, thresh1, thresh2;
	float radius;
	cv::bilateralFilter(img, FilterImg, 2, 40, 40);
	if (FilterImg.channels() == 3) {
		cv::cvtColor(FilterImg, grayImg, cv::COLOR_RGB2GRAY);
	}
	else {
		grayImg = FilterImg;
	}
	sobelImage(grayImg, thresh2);
	int histSize = 256;
	cv::MatND hist;
	float range[] = { 0, 255 };
	const float *ranges = { range };
	int threshNum = 100;
	std::vector<int> threshNums;
	//計算直方圖
	calcHist(&grayImg, 1, 0, cv::Mat(), hist, 1, &histSize, &ranges, true, false);
	//找到第一個波谷
	for (int i = 3; i < 253; i++) {
		if (hist.at<float>(i) > hist.at<float>(i - 1) && hist.at<float>(i) > hist.at<float>(i + 1) && hist.at<float>(i - 1) > hist.at<float>(i - 2) && hist.at<float>(i + 1) > hist.at<float>(i + 2) && hist.at<float>(i - 2) > hist.at<float>(i - 3) && hist.at<float>(i + 2) > hist.at<float>(i + 3)) {
			//std::cout << i << std::endl;
			threshNums.push_back(i);
		}
	}
	if (threshNums.size() >= 2) {
		threshNum = (threshNums[0] + threshNums[1]) / 2;
	}
	//設定最小閾值
	if (threshNum < 80) {
		threshNum = 80;
	}
	//進行二值化
	cv::threshold(grayImg, thresh1, threshNum, 255, cv::THRESH_BINARY);
	cv::bitwise_not(thresh1, thresh1);

	int flag_1 = 1;
	int flag_2 = 1;

	std::vector<cv::Point> cont_1, cont_2;
	getAreaAndR(thresh1, getPoints, cont_1, flag_1);
	getAreaAndR(thresh2, getPoints, cont_2, flag_2);
	if (flag_1 || flag_2) {
		return 0;
	}
	std::vector<std::vector<cv::Point>> contours_2;
	contours_2.push_back(cont_1);
	if (findObj == 0) {
		cv::Mat image_1 = cv::Mat(img.rows, img.cols, CV_8UC3, cv::Scalar(255, 255, 255));
		//畫出輪廓
		cv::drawContours(image_1, contours_2, -1, (0, 0, 255), 1);
		//灰度處理
		cv::Mat gray_1;
		if (image_1.channels() == 3) {
			cv::cvtColor(image_1, gray_1, cv::COLOR_BGR2GRAY);
		}
		else {
			gray_1 = image_1;
		}
		
		std::vector<cv::Vec3f> objects;
		//檢測輪廓中的圓形
		//cv::imshow("gray", gray_1);
		cv::HoughCircles(gray_1, objects, cv::HOUGH_GRADIENT, 1, 50, 100, 20, 5, 200);
		if (objects.size() == 1) {
			minEnclosingCircle(cont_1, center, radius);
			if (radius > 300) {
				return 0;
			}
			//最小篩選面積
			minArea = 0.7 * 3.14 * radius * radius;
			//最大篩選面積
			maxArea = 1.3 * 3.14 * radius * radius;
			//最小檢測圓半徑
			minR = radius - 10;
			//最大檢測圓半徑
			maxR = radius + 10;
			// mark點周邊像素
			std::cout << minArea << std::endl;
			std::cout << maxArea << std::endl;
			std::cout << minR << std::endl;
			std::cout << maxR << std::endl;
		}
		else {
			return 0;
		}
	}
	if (findObj == 1) {
		std::vector<cv::Point>approx(cont_1);
		double epsilon = cv::arcLength(cont_1, true) * 0.01;
		cv::approxPolyDP(cont_1, approx, epsilon, true);
		if (approx.size() >= 12 && approx.size() <= 16) {
			//擬合輪廓最小外接矩形
			cv::RotatedRect rect1 = cv::minAreaRect(cont_1);
			cv::Point2f P[4];
			rect1.points(P);
			//獲取輪廓面積
			double resArea = cv::contourArea(cont_1);
			//最小篩選面積
			minArea = 0.8 * resArea;
			//最大篩選面積
			maxArea = 1.2 * resArea;
			float x = (P[0].x + P[2].x) / 2;
			float y = (P[0].y + P[2].y) / 2;
			center = cv::Point2f(x, y);
			double longX = P[0].x - x;
			double longY = P[0].y - y;
			//std::cout << minArea << std::endl;
			//std::cout << maxArea << std::endl;

		}
		else {
			return 0;
		}
	}
	return 1;
}

double aveImg(cv::Mat imgC) {
	double sum = 0.0, ave;
	for (int i = 0; i < imgC.rows; i++)
	{
		for (int j = 0; j < imgC.cols; j++)
		{
			sum = sum + imgC.at<bool>(i, j);
		}
	}
	ave = sum / (imgC.rows * imgC.cols);
	return ave;
}

bool_t findMarkCenter(bool_t isMark, cv::Mat img, cv::Mat grayImg, cv::Mat thresh, double contScope[2], int findObj, double pointCrd[2], int minRadius, int maxRadius, std::vector<cv::Point> &markContours, double minPix){
	std::vector<std::vector<cv::Point>> contours;
	std::vector<cv::Vec4i> hierachy;
	std::vector<std::vector<cv::Point>> contours1;
	//尋找輪廓邊框
	cv::findContours(thresh, contours1, hierachy, cv::RETR_TREE, cv::CHAIN_APPROX_SIMPLE, cv::Point());
	//篩選邊框，過濾掉過大或過小的邊框
	for (int i = 0; i < contours1.size(); i++) {
		double contArea = cv::contourArea(contours1[i]);
		if (contArea > contScope[0] && contArea < contScope[1]) {
			//std::cout << "markArea :" << contArea << std::endl;
			contours.push_back(contours1[i]);
		}
	}
	//std::cout << "contours_size :" << contours.size() << std::endl;
	cv::Mat image = cv::Mat(img.rows, img.cols, CV_8UC3, cv::Scalar(255, 255, 255));
	//畫出輪廓
	cv::drawContours(image, contours, -1, (0, 0, 255), 3);
	//灰度處理
	cv::Mat gray;
	if (image.channels() == 3) {
		cv::cvtColor(image, gray, cv::COLOR_BGR2GRAY);
	}
	else {
		gray = image;
	}
	int mark = -1;
	cv::Mat imgCGray;
	if (img.channels() == 3) {
		cv::cvtColor(img, imgCGray, cv::COLOR_BGR2GRAY);
	}
	else {
		imgCGray = img;
	}
	
	std::vector<double> somePs;
	if (findObj == 0) {
		std::vector<cv::Vec3f> objects;
		//檢測輪廓中的圓形
		cv::HoughCircles(gray, objects, cv::HOUGH_GRADIENT, 1, 50, 100, 20, minRadius/* 10 */, maxRadius/* 40 */);
		if (objects.size() == 0) {
			return 0;
		}
		/*for (int i = 0; i < objects.size(); i++) {
			std::cout << objects[i] << std::endl;
		}*/
		//計算檢測到的圓形周邊的平均像素，取周圍平均像素最大的圓為mark點所在位置
		for (int i = 0; i < objects.size(); i++) {
			if (objects[i][0] <= objects[i][2] * 2 || objects[i][1] <= objects[i][2] * 2 || (image.cols - objects[i][0]) <= objects[i][2] * 2 || (image.rows - objects[i][1]) <= objects[i][2] * 2) {
				continue;
			}
			std::vector<cv::Point2f> rectCnt;
			for (int k = objects[i][0] - objects[i][2] * 2; k < objects[i][0] + objects[i][2] * 2; k++) {
				rectCnt.push_back(cv::Point2f(k, (objects[i][1] - objects[i][2] * 2)));
				rectCnt.push_back(cv::Point2f(k, (objects[i][1] + objects[i][2] * 2)));
			}
			for (int k = objects[i][1] - objects[i][2] * 2; k < objects[i][1] + objects[i][2] * 2; k++) {
				rectCnt.push_back(cv::Point2f((objects[i][0] - objects[i][2] * 2), k));
				rectCnt.push_back(cv::Point2f((objects[i][0] + objects[i][2] * 2), k));
			}
			double sumP = 0;
			for (int i = 0; i < rectCnt.size(); i++) {
				sumP = sumP + grayImg.at<bool>(rectCnt[i].y, rectCnt[i].x);
			}

			double kP = sumP / rectCnt.size();
			//std::cout << "sideP :" << kP << std::endl;
			somePs.push_back(kP);
		}
		if (isMark) {
			if (somePs.size() > 0) {
				double p1 = somePs[0];
				for (int i = 0; i < somePs.size(); i++) {
					if (somePs[i] >= p1) {
						p1 = somePs[i];
						mark = i;
					}
				}
			}
		}
		else {
			if (somePs.size() > 0) {
				for (int i = 0; i < somePs.size(); i++) {
					if (somePs[i] > minPix) {
						minPix = somePs[i];
						mark = i;
					}
				}
			}

		}

		if (mark == -1) {
			return 0;
		}
		//最終的mark點，包含圓心和半徑
		pointCrd[0] = objects[mark][0];
		pointCrd[1] = objects[mark][1];
		//std::cout << "R :" << objects[mark][2] << std::endl;
		//橢圓擬合
		for (int i = 0; i < contours.size(); i++)
		{
			if (pointPolygonTest(contours[i], cv::Point2f(pointCrd[0], pointCrd[1]), true) > 0)
			{
				cv::RotatedRect box = fitEllipse(contours[i]);
				pointCrd[0] = box.center.x;
				pointCrd[1] = box.center.y;
				markContours = contours[i];
				//std::cout << box.center << std::endl;
				//std::cout << markContours << std::endl;
				break;
			}
		}
	}
	if (findObj == 1)
	{
		std::vector<std::vector<cv::Point>> approx(contours);
		std::vector<std::vector<cv::Point>> conts;
		std::vector<cv::Vec4f> objects;
		//檢測影像中的十字叉
		//std::cout << contours.size() << std::endl;
		for (int i = 0; i < contours.size(); i++) {
			double epsilon = cv::arcLength(contours[i], true) * 0.01;
			cv::approxPolyDP(contours[i], approx[i], epsilon, true);
			//std::cout << approx[i].size() << std::endl;
			if (approx[i].size() >= 12 && approx[i].size() <= 16) {
				conts.push_back(contours[i]);
			}
		}
		if (conts.size() == 0) {
			return 0;
		}
		for (int i = 0; i < conts.size(); i++) {
			cv::RotatedRect rect = minAreaRect(contours[i]);
			cv::Point2f P[4];
			rect.points(P);
			float x = (P[0].x + P[2].x) / 2;
			float y = (P[0].y + P[2].y) / 2;
			objects.push_back(cv::Vec4f(x, y, abs(P[0].x - x) * 2, abs(P[0].y - y) * 2));
		}
		//計算檢測到的叉周邊的平均像素，取周圍平均像素最大的圓為mark點所在位置
		for (int i = 0; i < objects.size(); i++) {
			if (objects[i][0] <= 50 || objects[i][1] <= 50 || (image.cols - objects[i][0]) <= 50 || (image.rows - objects[i][1]) <= 50) {
				continue;
			}
			cv::Mat imgC1, imgC2, imgC3, imgC4;
			cv::Rect rect1(objects[i][0] - objects[i][2], objects[i][1] - objects[i][3] / 2, objects[i][2] / 2, objects[i][3]);
			imgCGray(rect1).copyTo(imgC1);
			double k1 = aveImg(imgC1);
			cv::Rect rect2(objects[i][0] + objects[i][2] / 2, objects[i][1] - objects[i][3] / 2, objects[i][2] / 2, objects[i][3]);
			imgCGray(rect2).copyTo(imgC2);
			double k2 = aveImg(imgC2);
			cv::Rect rect3(objects[i][0] - objects[i][2] / 2, objects[i][1] - objects[i][3], objects[i][2], objects[i][3] / 2);
			imgCGray(rect3).copyTo(imgC3);
			double k3 = aveImg(imgC3);
			cv::Rect rect4(objects[i][0] - objects[i][2] / 2, objects[i][1] + objects[i][3] / 2, objects[i][2], objects[i][3] / 2);
			imgCGray(rect4).copyTo(imgC4);
			double k4 = aveImg(imgC4);
			double kP = (k1 + k2 + k3 + k4) / 4;
			somePs.push_back(kP);
		}
		if (isMark) {
			if (somePs.size() > 0) {
				double p1 = somePs[0];
				for (int i = 0; i < somePs.size(); i++) {
					if (somePs[i] >= p1) {
						p1 = somePs[i];
						mark = i;
					}
				}
			}
		}
		else {
			if (somePs.size() > 0) {
				for (int i = 0; i < somePs.size(); i++) {
					if (somePs[i] > minPix) {
						minPix = somePs[i];
						mark = i;
					}
				}
			}

		}
		if (mark == -1) {
			return 0;
		}
		//最終的mark點，包含中點和長寬
		pointCrd[0] = objects[mark][0];
		pointCrd[1] = objects[mark][1];
		markContours = contours[mark];
		//std::cout << pointCrd[0] << "," << pointCrd[1] << std::endl;
		//std::cout << markContours << std::endl;
	}

	return true;
}

bool_t imgMatch(bool_t isMark, cv::Mat img, double contScope[2], int findObj, double pointCrd[2], int minRadius, int maxRadius, std::vector<cv::Point> &markContours)
{
	cv::Mat FilterImg;
	cv::Mat grayImg, thresh1, thresh2;
	cv::Mat openImg;
	cv::bilateralFilter(img, FilterImg, 2, 40, 40);
	if (FilterImg.channels() == 3) {
		cv::cvtColor(FilterImg, grayImg, cv::COLOR_RGB2GRAY);
	}
	else {
		grayImg = FilterImg;
	}
	sobelImage(grayImg, thresh2);
	int histSize = 256;
	cv::MatND hist;
	float range[] = { 0, 255 };
	const float *ranges = { range };
	double pointCrd1[2], pointCrd2[2];
	int threshNum = 100;
	std::vector<int> threshNums;
	std::vector<cv::Point> markContours1, markContours2;
	//計算直方圖
	calcHist(&grayImg, 1, 0, cv::Mat(), hist, 1, &histSize, &ranges, true, false);
	//找到波峰
	for (int i = 3; i < 253; i++) {
		if (hist.at<float>(i) > hist.at<float>(i - 1) && hist.at<float>(i) > hist.at<float>(i + 1) && hist.at<float>(i - 1) > hist.at<float>(i - 2) && hist.at<float>(i + 1) > hist.at<float>(i + 2) && hist.at<float>(i - 2) > hist.at<float>(i - 3) && hist.at<float>(i + 2) > hist.at<float>(i + 3)) {
			//std::cout << i << std::endl;
			threshNums.push_back(i);
		}
	}
	if (threshNums.size() >= 2) {
		threshNum = (threshNums[0] + threshNums[1]) / 2;
	}
	if (threshNum < 80) {
		threshNum = 80;
	}
	double minPix = threshNums[threshNums.size() - 1] * 0.9;
	//std::cout << "thresh :" << threshNum << std::endl;
	cv::threshold(grayImg, thresh1, threshNum, 255, cv::THRESH_BINARY);
	cv::bitwise_not(thresh1, thresh1);
	cv::imshow("thresh", thresh1);
	findMarkCenter(isMark, img, grayImg, thresh1, contScope, findObj, pointCrd1, minRadius, maxRadius, markContours1, minPix);
	findMarkCenter(isMark, img, grayImg, thresh2, contScope, findObj, pointCrd2, minRadius, maxRadius, markContours2, minPix);
	if (markContours1.size() == 0 || markContours2.size() == 0) {
		return false;
	}
	//std::cout << pointCrd1[0] << "," << pointCrd1[1] << std::endl;
	//std::cout << pointCrd2[0] << "," << pointCrd2[1] << std::endl;
	if (abs(pointCrd1[0] - pointCrd2[0]) <= 1 && abs(pointCrd1[1] - pointCrd2[1]) <= 1) {
		pointCrd[0] = (pointCrd1[0] + pointCrd2[0]) / 2;
		pointCrd[1] = (pointCrd1[1] + pointCrd2[1]) / 2;
		markContours = markContours1;
	}
	else {
		return false;
	}
	std::cout << pointCrd[0] << "," << pointCrd[1] << std::endl;
	return true;
	
}

int main()
{
	long start = clock();
	/*std::cout << time1 << std::endl;*/
	//std::vector<cv::Mat> images;
	//images.push_back(cv::imread("E:\\python\\opencv\\002\\10208.bmp"));

	cv::Mat img = cv::imread("E:\\python\\opencv\\002\\10231.bmp");
	//輪廓面積的最大值和最小值
	double contScope[2] = { 500, 5000 };
	//mark點周邊平均像素的最小閾值
	double minPix = 135;
	//選擇要檢測的形狀
	int findObj = 0;
	double pointCrd[2];
	int minRadius = 10;
	int maxRadius = 30;
	bool_t isMark = true;
	std::vector<cv::Point> markContours;
	imgMatch(isMark, img, contScope, findObj, pointCrd, minRadius, maxRadius, markContours);
	/*long end = clock();*/
	//std::cout << end - start << std::endl;
	cv::Point2f Points;
	Points = cv::Point2f(1515, 806);
	int minR, maxR;
	double minArea, maxArea, resP;
	getAreaAndP(img, Points, findObj, minArea, maxArea, minR, maxR);

	cv::imshow("img", img);
	cv::waitKey(0);
}

轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/229851.html

標籤：其他

上一篇：【專升本計算機】甘肅省2020年專升本計算機測驗題

下一篇：實驗5 linux網路編程

標籤雲
其他(157675) Python(38076) JavaScript(25376) Java(17977) C(15215) 區塊鏈(8255) C＃(7972) AI(7469) 爪哇(7425) MySQL(7132) html(6777) 基礎類(6313) sql(6102) 熊猫(6058) PHP(5869) 数组(5741) R(5409) Linux(5327) 反应(5209) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4554) 数据框(4311) css(4259) 节点.js(4032) C語言(3288) json(3245) 列表(3129) 扑(3119) C++語言(3117) 安卓(2998) 打字稿(2995) VBA(2789) Java相關(2746) 疑難問題(2699) 细绳(2522) 單片機工控(2479) iOS(2429) ASP.NET(2402) MongoDB(2323) 麻木的(2285) 正则表达式(2254) 字典(2211) 循环(2198) 迅速(2185) 擅长(2169) 镖(2155) 功能(1967) .NET技术(1958) Web開發(1951) python-3.x(1918) HtmlCss(1915) 弹簧靴(1913) C++(1909) xml(1889) PostgreSQL(1872) .NETCore(1853) 谷歌表格(1846) Unity3D(1843) for循环(1842)

熱門瀏覽
  • 網閘典型架構簡述

    網閘架構一般分為兩種：三主機的三系統架構網閘和雙主機的2+1架構網閘。 三主機架構分別為內端機、外端機和仲裁機。三機無論從軟體和硬體上均各自獨立。首先從硬體上來看，三機都用各自獨立的主板、記憶體及存盤設備。從軟體上來看，三機有各自獨立的作業系統。這樣能達到完全的三機獨立。對于“2+1”系統，“2”分為 ......

    uj5u.com 2020-09-10 02:00:44 more
  • 如何從xshell上傳檔案到centos linux虛擬機里

    如何從xshell上傳檔案到centos linux虛擬機里及：虛擬機CentOs下執行 yum -y install lrzsz命令，出現錯誤：鏡像無法找到軟體包 前言 一、安裝lrzsz步驟 二、上傳檔案 三、遇到的問題及解決方案 總結 前言 提示：其實很簡單，往虛擬機上安裝一個上傳檔案的工具 ......

    uj5u.com 2020-09-10 02:00:47 more
  • 一、SQLMAP入門

    一、SQLMAP入門 1、判斷是否存在注入 sqlmap.py -u 網址/id=1 id=1不可缺少。當注入點后面的引數大于兩個時。需要加雙引號， sqlmap.py -u "網址/id=1&uid=1" 2、判斷文本中的請求是否存在注入 從文本中加載http請求，SQLMAP可以從一個文本檔案中 ......

    uj5u.com 2020-09-10 02:00:50 more
  • Metasploit 簡單使用教程

    metasploit 簡單使用教程 浩先生， 2020-08-28 16:18:25 分類專欄： kail 網路安全 linux 文章標簽： linux資訊安全 編輯 著作權 metasploit 使用教程 前言 一、Metasploit是什么？ 二、準備作業 三、具體步驟 前言 Msfconsole ......

    uj5u.com 2020-09-10 02:00:53 more
  • 游戲逆向之驅動層與用戶層通訊

    驅動層代碼： #pragma once #include <ntifs.h> #define add_code CTL_CODE(FILE_DEVICE_UNKNOWN,0x800,METHOD_BUFFERED,FILE_ANY_ACCESS) /* 更多游戲逆向視頻www.yxfzedu.com ......

    uj5u.com 2020-09-10 02:00:56 more
  • 北斗電力時鐘（北斗授時服務器）讓網路資料更精準

    北斗電力時鐘（北斗授時服務器）讓網路資料更精準 北斗電力時鐘（北斗授時服務器）讓網路資料更精準 京準電子科技官微——ahjzsz 近幾年，資訊技術的得了快速發展，互聯網在逐漸普及，其在人們生活和生產中都得到了廣泛應用，并且取得了不錯的應用效果。計算機網路資訊在電力系統中的應用，一方面使電力系統的運行 ......

    uj5u.com 2020-09-10 02:01:03 more
  • 【CTF】CTFHub 技能樹 彩蛋 writeup

    ?碎碎念 CTFHub：https://www.ctfhub.com/ 筆者入門CTF時時剛開始刷的是bugku的舊平臺，后來才有了CTFHub。 感覺不論是網頁UI設計，還是題目質量，賽事跟蹤，工具軟體都做得很不錯。 而且因為獨到的金幣制度的確讓人有一種想去刷題賺金幣的感覺。 個人還是非常喜歡這個 ......

    uj5u.com 2020-09-10 02:04:05 more
  • 02windows基礎操作

    我學到了一下幾點 Windows系統目錄結構與滲透的作用 常見Windows的服務詳解 Windows埠詳解 常用的Windows注冊表詳解 hacker DOS命令詳解（net user / type /md /rd/ dir /cd /net use copy、批處理 等） 利用dos命令制作 ......

    uj5u.com 2020-09-10 02:04:18 more
  • 03.Linux基礎操作

    我學到了以下幾點 01Linux系統介紹02系統安裝，密碼啊破解03Linux常用命令04LAMP 01LINUX windows： win03 8 12 16 19 配置不繁瑣 Linux：redhat,centos(紅帽社區版)，Ubuntu server,suse unix:金融機構，證券，銀 ......

    uj5u.com 2020-09-10 02:04:30 more
  • 05HTML

    01HTML介紹 02頭部標簽講解03基礎標簽講解04表單標簽講解 HTML前段語言 js1.了解代碼2.根據代碼 懂得挖掘漏洞 （POST注入/XSS漏洞上傳）3.黑帽seo 白帽seo 客戶網站被黑帽植入劫持代碼如何處理4.熟悉html表單 <html><head><title>TDK標題，描述 ......

    uj5u.com 2020-09-10 02:04:36 more
最新发布
  • 2023年最新微信小程式抓包教程

    01 開門見山 隔一個月發一篇文章，不過分。 首先回顧一下《微信系結手機號資料庫被脫庫事件》，我也是第一時間得知了這個訊息，然后跟蹤了整件事情的經過。下面是這起事件的相關截圖以及近日流出的一萬條資料樣本： 個人認為這件事也沒什么，還不如關注一下之前45億快遞資料查詢渠道疑似在近日復活的訊息。 訊息是 ......

    uj5u.com 2023-04-20 08:48:24 more
  • web3 產品介紹：metamask 錢包 使用最多的瀏覽器插件錢包

    Metamask錢包是一種基于區塊鏈技術的數字貨幣錢包，它允許用戶在安全、便捷的環境下管理自己的加密資產。Metamask錢包是以太坊生態系統中最流行的錢包之一，它具有易于使用、安全性高和功能強大等優點。 本文將詳細介紹Metamask錢包的功能和使用方法。 一、 Metamask錢包的功能 數字資 ......

    uj5u.com 2023-04-20 08:47:46 more
  • vulnhub_Earth

    前言 靶機地址->>>vulnhub_Earth 攻擊機ip：192.168.20.121 靶機ip：192.168.20.122 參考文章 https://www.cnblogs.com/Jing-X/archive/2022/04/03/16097695.html https://www.cnb ......

    uj5u.com 2023-04-20 07:46:20 more
  • 從4k到42k，軟體測驗工程師的漲薪史，給我看哭了

    清明節一過，盲猜大家已經無心上班，在數著日子準備過五一，但一想到銀行卡里的余額……瞬間心情就不美麗了。最近，2023年高校畢業生就業調查顯示，本科畢業月平均起薪為5825元。調查一出，便有很多同學表示自己又被平均了。看著這一資料，不免讓人想到前不久中國青年報的一項調查：近六成大學生認為畢業10年內會 ......

    uj5u.com 2023-04-20 07:44:00 more
  • 最新版本 Stable Diffusion 開源 AI 繪畫工具之中文自動提詞篇

    🎈 標簽生成器 由于輸入正向提示詞 prompt 和反向提示詞 negative prompt 都是使用英文，所以對學習母語的我們非常不友好 使用網址：https://tinygeeker.github.io/p/ai-prompt-generator 這個網址是為了讓大家在使用 AI 繪畫的時候 ......

    uj5u.com 2023-04-20 07:43:36 more
  • 漫談前端自動化測驗演進之路及測驗工具分析

    隨著前端技術的不斷發展和應用程式的日益復雜，前端自動化測驗也在不斷演進。隨著 Web 應用程式變得越來越復雜，自動化測驗的需求也越來越高。如今，自動化測驗已經成為 Web 應用程式開發程序中不可或缺的一部分，它們可以幫助開發人員更快地發現和修復錯誤，提高應用程式的性能和可靠性。 ......

    uj5u.com 2023-04-20 07:43:16 more
  • CANN開發實踐：4個DVPP記憶體問題的典型案例解讀

    摘要：由于DVPP媒體資料處理功能對存放輸入、輸出資料的記憶體有更高的要求（例如，記憶體首地址128位元組對齊），因此需呼叫專用的記憶體申請介面，那么本期就分享幾個關于DVPP記憶體問題的典型案例，并給出原因分析及解決方法。 本文分享自華為云社區《FAQ_DVPP記憶體問題案例》，作者：昇騰CANN。 DVPP ......

    uj5u.com 2023-04-20 07:43:03 more
  • msf學習

    msf學習 以kali自帶的msf為例 一、msf核心模塊與功能 msf模塊都放在/usr/share/metasploit-framework/modules目錄下 1、auxiliary 輔助模塊，輔助滲透（埠掃描、登錄密碼爆破、漏洞驗證等） 2、encoders 編碼器模塊，主要包含各種編碼 ......

    uj5u.com 2023-04-20 07:42:59 more
  • Halcon軟體安裝與界面簡介

    1. 下載Halcon17版本到到本地 2. 雙擊安裝包后 3. 步驟如下 1.2 Halcon軟體安裝 界面分為四大塊 1. Halcon的五個助手 1) 影像采集助手：與相機連接，設定相機引數，采集影像 2) 標定助手：九點標定或是其它的標定，生成標定檔案及內參外參，可以將像素單位轉換為長度單位 ......

    uj5u.com 2023-04-20 07:42:17 more
  • 在MacOS下使用Unity3D開發游戲

    第一次發博客，先發一下我的游戲開發環境吧。 去年2月份買了一臺MacBookPro2021 M1pro(以下簡稱mbp)，這一年來一直在用mbp開發游戲。我大致分享一下我的開發工具以及使用體驗。 1、Unity 官網鏈接： https://unity.cn/releases 我一般使用的Apple ......

    uj5u.com 2023-04-20 07:40:19 more

Copyright © 2010-2020 有解無憂