C++ 基于颜色查找图像中的所有对象_C++_Opencv_Image Processing

C++ 基于颜色查找图像中的所有对象

c++ opencv image-processing

C++ 基于颜色查找图像中的所有对象,c++,opencv,image-processing,C++,Opencv,Image Processing,我正在寻找一种方法来拍摄图像，并通过颜色获得其中所有对象的遮罩。我的目标是能够将颜色相似的对象分割成不同的层，以便进一步检查每个层。计划是对原始图像使用每个遮罩来创建每个对象的颜色直方图，并确定与图像中其他对象的相似性。如果某个对象足够相似，它将与其他对象组合以形成一个层问题是，我无法在opencv中找到一个函数来根据颜色连续性查找图像中的所有对象。我确信这样的算法是存在的，但它似乎在逃避我。有人知道这样的算法或函数吗？我建议您将图像转换为HSV空间（色调饱和度值）。然后根据色调值制作直方图，

我正在寻找一种方法来拍摄图像，并通过颜色获得其中所有对象的遮罩。我的目标是能够将颜色相似的对象分割成不同的层，以便进一步检查每个层。计划是对原始图像使用每个遮罩来创建每个对象的颜色直方图，并确定与图像中其他对象的相似性。如果某个对象足够相似，它将与其他对象组合以形成一个层

问题是，我无法在opencv中找到一个函数来根据颜色连续性查找图像中的所有对象。我确信这样的算法是存在的，但它似乎在逃避我。有人知道这样的算法或函数吗？

我建议您将图像转换为HSV空间（色调饱和度值）。然后根据色调值制作直方图，在线查找阈值，或者在之前定义阈值（取决于这是一般问题还是给定问题）

为每个要形成的层装入一个通道图像。（设置为黑色）

然后使用HSV图像并根据阈值标记图层。您可能还需要为值和饱和度添加一些恒定阈值（以避免暗区和亮区）

这对你有意义吗

我认为你应该按照以下步骤进行：

平滑你的图像，如果它有太多的细节
找边
找到所有轮廓
尝试找到每个轮廓的颜色。假设您希望保留所有红色轮廓。所以，只保留那些红色的轮廓
找到要保留的轮廓后，根据要保留的轮廓创建遮罩图像
使用遮罩图像，从原始图像中提取所需的对象

#define numClusters 7

cv::Mat src = cv::imread("img0.png");

cv::Mat kMeansSrc(src.rows * src.cols, 3, CV_32F);
//resize the image to src.rows*src.cols x 3
//cv::kmeans expects an image that is in rows with 3 channel columns
//this rearranges the image into (rows * columns, numChannels)
for( int y = 0; y < src.rows; y++ )
{
    for( int x = 0; x < src.cols; x++ )
    {
        for( int z = 0; z < 3; z++)
            kMeansSrc.at<float>(y + x*src.rows, z) = src.at<Vec3b>(y,x)[z];
    }
}

cv::Mat labels;
cv::Mat centers;
int attempts = 2;
//perform kmeans on kMeansSrc where numClusters is defined previously as 7
//end either when desired accuracy is met or the maximum number of iterations is reached
cv::kmeans(kMeansSrc, numClusters, labels, cv::TermCriteria( CV_TERMCRIT_EPS+CV_TERMCRIT_ITER, 8, 1), attempts, KMEANS_PP_CENTERS, centers );

//create an array of numClusters colors
int colors[numClusters];
for(int i = 0; i < numClusters; i++) {
        colors[i] = 255/(i+1);
}

std::vector<cv::Mat> layers;

for(int i = 0; i < numClusters; i++)
{
    layers.push_back(cv::Mat::zeros(src.rows,src.cols,CV_32F));
}

//use the labels to draw the layers
//using the array of colors, draw the pixels onto each label image
for( int y = 0; y < src.rows; y++ )
{
    for( int x = 0; x < src.cols; x++ )
    { 
        int cluster_idx = labels.at<int>(y + x*src.rows,0);
        layers[cluster_idx].at<float>(y, x) = (float)(colors[cluster_idx]);;
    }
}

std::vector<cv::Mat> srcLayers;

//each layer to mask a portion of the original image
//this leaves us with sections of similar color from the original image
for(int i = 0; i < numClusters; i++)
{
    layers[i].convertTo(layers[i], CV_8UC1);
    srcLayers.push_back(cv::Mat());
    src.copyTo(srcLayers[i], layers[i]);
}

#定义numClusters 7
cv:：Mat src=cv:：imread（“img0.png”）；
cv:：Mat Kmeansrc（src.rows*src.cols，3，cv_32F）；
//将图像大小调整为src.rows*src.cols x 3
//cv:：kmeans需要一个包含3个通道列的行中的图像
//这会将图像重新排列为（行*列，numChannels）
对于（int y=0；y