尝试获得与RegionProps openCV相同的结果 这是我试图在OpenCV C++中重新编码的MATLAB代码 起初的

黑白

Matlab结果

OpenCV结果

OpenCV等高线结果与matlab等高线结果类似：

cDist=regionprops（bwImg，'Area'）；
cDist=[cDist.Area]；
%为每个对象添加标签
[BwimgLabel，~]=BwimLabel（bwImg）；
%基于对颜色的假设计算最小和最大对象大小
%格子尺寸
maxLabelSize=产品（尺寸（图像数据）。/[4 6]）；
minLabelSize=产品（尺寸（图像数据）。/[4 6]。/10）；
%查找太大或太小对象的标签索引
提醒=查找（cDist>maxLabelSize）；
提醒=[提醒查找（cDist

这是我的密码：

bwImg.convertTo(bwImg,CV_8U);
cv::vector<cv::vector<cv::Point> > contours_1;
cv::findContours(bwImg,contours_1,CV_RETR_TREE,CV_CHAIN_APPROX_NONE,cv::Point(0,0));
//DEBUG contours
cv::Mat drawing1 = cv::Mat::zeros(bwImg.size(),CV_8UC3);    

for (int i = 0; i < contours_1.size(); i++)
{
    cv::RNG rng(12345);
    cv::Scalar color = cv::Scalar( rng.uniform(0, 255), rng.uniform(0,255), rng.uniform(0,255) );
    cv::drawContours(drawing1,contours_1,i,color,CV_FILLED);
}
//show contours update//
cv::imshow("contours",drawing1);        
cv::waitKey(0);

drawing1.release();
//% Calculate min and max object size based on assumptions on the color
//  % checker size
//  maxLabelSize = prod(size(imageData)./[4 6]);
//  minLabelSize = prod(size(imageData)./[4 6]./10);
double maxLabelSize = (bwImg.rows/4.0) * (bwImg.cols/6.0);
double minLabelSize = ((bwImg.rows/40.0) * (bwImg.cols/60.0));


//  % Remove over/undersized objects
//  for n=1:length(remInd)
//      ri = bwImgLabeled == remInd(n);
//      bwImgLabeled(ri) = 0;
//  end
cv::vector<cv::vector<cv::Point> > goodContours;
for (int i = 0; i < contours_1.size(); i++)
{
    double size = cv::contourArea(contours_1[i]);
    if (size < maxLabelSize && size > minLabelSize)
    {
        goodContours.push_back(contours_1[i]);
    }
}

bwImg.convertTo（bwImg，CV_8U）；
向量轮廓_1；
cv:：findContours（bwImg，等高线1，cv_RETR_树，cv_链约无，cv:：Point（0,0））；
//调试轮廓
cv:：Mat drawing1=cv:：Mat:：Zero（bwImg.size（），cv_8UC3）；
对于（int i=0；i<1.size（）；i++）
{
cv：：RNG RNG（12345）；
cv:：Scalar color=cv:：Scalar（规则一致（0255）、规则一致（0255）、规则一致（0255））；
cv:：drawContours（drawing1，contours_1，i，颜色，cv_填充）；
}
//显示轮廓更新//
cv：：imshow（“轮廓”，图纸1）；
cv:：waitKey（0）；
图纸1.释放（）；
//%基于对颜色的假设计算最小和最大对象大小
//%棋盘格大小
//maxLabelSize=产品（尺寸（图像数据）。/[4 6]）；
//minLabelSize=产品（尺寸（图像数据）。/[4 6]。/10）；
double maxLabelSize=（bwImg.rows/4.0）*（bwImg.cols/6.0）；
双minLabelSize=（（bwImg.rows/40.0）*（bwImg.cols/60.0））；
//%删除过大/过小的对象
//对于n=1：长度（提醒）
//ri=bwImgLabeled==提醒（n）；
//bwImgLabeled（ri）=0；
//结束
矢量轮廓；
对于（int i=0；i<1.size（）；i++）
{
双尺寸=cv：：轮廓面积（轮廓1[i]）；
如果（大小minLabelSize）
{
好的轮廓。向后推（轮廓1[i]）；
}
}

---

然而，我没有得到同样的结果。在matlab中，我得到了比openCV更多的轮廓。你能看到我的问题吗？

你能展示一下在opencv中进行区域过滤之前“轮廓”是什么样子吗？@AnderBiguri我添加了来自openCVComming的粉色轮廓图像，这些轮廓来自Matlab或opencv？这就是为什么

cv:：imshow（“轮廓”，图纸1）显示？还可以看看@Gilad，所以基本上是Matlab和openCV计算的面积不匹配？尝试以下方法：将一张只有一个“轮廓”或白色斑点的图像放在一个已知区域，然后检查Matlab和opencv在
size
上返回的值。在opencv中进行区域过滤之前，你能展示“轮廓”是什么样子吗？@AnderBiguri I添加了openCVComming从Matlab或opencv中输出的粉色轮廓图像吗？这就是为什么
cv:：imshow（“轮廓”，图纸1）显示？还可以看看@Gilad，所以基本上是Matlab和openCV计算的面积不匹配？尝试以下操作：将一张只有一个“轮廓”或白色斑点的图像放在一个已知区域，然后检查Matlab和opencv在
size
上返回的内容。
bwImg.convertTo(bwImg,CV_8U);
cv::vector<cv::vector<cv::Point> > contours_1;
cv::findContours(bwImg,contours_1,CV_RETR_TREE,CV_CHAIN_APPROX_NONE,cv::Point(0,0));
//DEBUG contours
cv::Mat drawing1 = cv::Mat::zeros(bwImg.size(),CV_8UC3);    

for (int i = 0; i < contours_1.size(); i++)
{
    cv::RNG rng(12345);
    cv::Scalar color = cv::Scalar( rng.uniform(0, 255), rng.uniform(0,255), rng.uniform(0,255) );
    cv::drawContours(drawing1,contours_1,i,color,CV_FILLED);
}
//show contours update//
cv::imshow("contours",drawing1);        
cv::waitKey(0);

drawing1.release();
//% Calculate min and max object size based on assumptions on the color
//  % checker size
//  maxLabelSize = prod(size(imageData)./[4 6]);
//  minLabelSize = prod(size(imageData)./[4 6]./10);
double maxLabelSize = (bwImg.rows/4.0) * (bwImg.cols/6.0);
double minLabelSize = ((bwImg.rows/40.0) * (bwImg.cols/60.0));


//  % Remove over/undersized objects
//  for n=1:length(remInd)
//      ri = bwImgLabeled == remInd(n);
//      bwImgLabeled(ri) = 0;
//  end
cv::vector<cv::vector<cv::Point> > goodContours;
for (int i = 0; i < contours_1.size(); i++)
{
    double size = cv::contourArea(contours_1[i]);
    if (size < maxLabelSize && size > minLabelSize)
    {
        goodContours.push_back(contours_1[i]);
    }
}