如何计算二进制图像上的白色对象?

时间:2016-05-31 08:13:23

标签: c++ opencv image-processing codeblocks

我正在尝试从图像中计算对象。我使用日志照片,并使用一些步骤来获取二进制图像。 enter image description here

这是我的代码:

#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>
#include <features2d.hpp>
using namespace cv;
using namespace std;
int main(int argc, char *argv[])
{
    //load image
    Mat img = imread("kayu.jpg", CV_LOAD_IMAGE_COLOR);
    if(img.empty())
       return -1;
    //namedWindow( "kayu", CV_WINDOW_AUTOSIZE );
    imshow("kayu", img);

    //convert to b/w
    Mat bw;
    cvtColor(img, bw, CV_BGR2GRAY);
    imshow("bw1", bw);

    threshold(bw, bw, 40, 255, CV_THRESH_BINARY);
    imshow("bw", bw);

    //distance transform & normalisasi
    Mat dist;
    distanceTransform(bw, dist, CV_DIST_L2, 3);
    normalize(dist, dist, 0, 2., NORM_MINMAX);
    imshow("dist", dist);

    //threshold to draw line
    threshold(dist, dist, .5, 1., CV_THRESH_BINARY);
    imshow("dist2", dist);

    //dist = bw;
    //dilasi
    Mat dilation, erotion, element;
    int dilation_type = MORPH_ELLIPSE;
    int dilation_size = 17;

    element = getStructuringElement(dilation_type, Size(2*dilation_size + 1, 2*dilation_size+1), Point(dilation_size, dilation_size ));
    erode(dist, erotion, element);
    int erotionCount = 0;
    for(int i=0; i<erotionCount; i++){
        erode(erotion, erotion, element);
    }
    imshow("erotion", erotion);

    dilate(erotion, dilation, element);
    imshow("dilation", dilation);
    waitKey(0);
    return 0;
}

正如您所看到的,我使用侵蚀和膨胀来获得更好的圆形对象。我的问题是,我坚持计算对象。我尝试了SimpleBlobDetector但我什么也没得到,因为当我尝试将“扩张”步骤的结果转换为CV_8U时,白色物体消失了。当我使用findContours()时,我也遇到了错误。它讲述了关于图像通道的一些信息。我无法在这里显示错误,因为这个步骤太多了,我已经从代码中删除了它。

顺便说一句,最后,我得到了一个图像频道。 enter image description here 我可以用它来计算,或者我必须转换它,这是最好的方法吗?

3 个答案:

答案 0 :(得分:3)

两个简单的步骤:

  1. 查找二值化图像的轮廓。
  2. 计算轮廓数。
  3. 代码:

    int count_trees(const cv::Mat& bin_image){
        cv::Mat img;
        if(bin_image.channels()>1){
            cv::cvtColor(bin_image,img,cv::COLOR_BGR2GRAY);
        }
        else{
             img=bin_image.clone();;
        }
        if(img.type()!=CV_8UC1){
            img*=255.f; //This could be stupid, but I do not have an environment to try it
            img.convertTo(img,CV_8UC1);
        }
    
        std::vector<std::vector<cv::Point>> contours
        std::vector<Vec4i> hierarchy;
        cv::findContours( img, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);
        return contours.size();
    }
    

答案 1 :(得分:0)

我有同样的问题,这是我要实现的一个想法。

1)将图像表示为整数数组; 0 = black, 1 = white

2)设置N = 2;

3)逐像素扫描图像。只要找到白色像素,就从刚找到的像素开始激活填充算法。用N++的值绘制区域;

4)重复3,直到到达最后一个像素。 (N-2是找到的区域数。

此方法取决于对象的形状;我的比你的还混乱(祝我好运..)。我将使用在某处(也许是Rosetta Code)找到的递归填充算法。

此解决方案还使计算每个区域的大小变得容易。

答案 2 :(得分:-1)

尝试将其应用于已删除的img

// count
for (int i = 0; i< contours.size(); i = hierarchy[i][0]) // iteration sur chaque contour .
{
    Rect r = boundingRect(contours[i]);
    if (hierarchy[i][2]<0) {
        rectangle(canny_output, Point(r.x, r.y), Point(r.x + r.width, r.y + r.height), Scalar(20, 50, 255), 3, 8, 0);
        count++;
    }
}
cout << "Numeber of contour = " << count << endl;
imshow("src", src);
imshow("contour", dst);
waitKey(0);