C# 扫描拍摄目标纸以获得分数

我正在尝试编写一个桌面应用程序，用于计算射击靶场纸的分数。
经过研究，发现一些文章可以帮助，但仍然是如何使用OpenCV或EMGUCV的问题，我擅长C语言，但是C++需要时间去学习。
另一个问题是，检测射击目标中重叠弹孔的最佳方法是什么？
喜欢这张图片
图片在上面。在环7和环8中有两个重叠的弹孔。在这种情况下，很容易通过简单的侵蚀来解决

然而，在圆圈几乎完全重叠的情况下，我不知道如何识别它们

一些链接可以帮助：

---

您可以通过以下步骤隔离重叠项目符号：

• 将您的子弹与图像的其余部分隔离
• 在子弹上开孔（腐蚀然后膨胀）
• 计算每个白色像素到最近黑色像素的距离
• 应用阈值

< > C++代码：

cv::Mat preprocess(const cv::Mat image) {
    display(image, "Original");

    // Color thresholds
    cv::Scalar minColor(141, 0, 0);
    cv::Scalar maxColor(255, 255, 124);
    cv::Mat filtered;

    // Isolate the interesting range of colors
    cv::inRange(image, minColor, maxColor, filtered);
    filtered.convertTo(filtered, CV_8U);

    // Apply opening (erode then dilate)
    cv::Mat opening;
    cv::Mat kernel = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3));
    cv::morphologyEx(filtered, opening, cv::MORPH_OPEN, kernel, cv::Point(-1,-1), 2);

    // Compute the distance to the closest zero pixel (euclidian)
    cv::Mat distance;
    cv::distanceTransform(opening, distance, CV_DIST_L2, 5);
    cv::normalize(distance, distance, 0, 1.0, cv::NORM_MINMAX);

    display(distance, "Distance");

    // Thresholding using the longest distance
    double min, max;
    cv::minMaxLoc(distance, &min, &max);
    cv::Mat thresholded;
    cv::threshold(distance, thresholded, 0.7 * max, 255, CV_THRESH_BINARY);
    thresholded.convertTo(thresholded, CV_8U);

    // Find connected components
    cv::Mat labels;
    int nbLabels = cv::connectedComponents(thresholded, labels);

    // Assign a random color to each label
    vector<int> colors(nbLabels, 0);
    for (int label = 1; label < nbLabels; ++label) {
        colors[label] = rand() & 255;
    }
    cv::Mat result(distance.size(), CV_8U);
    for (int r = 0; r < result.rows; ++r) {
        for (int c = 0; c < result.cols; ++c) {
            int label = labels.at<int>(r, c);

            result.at<uchar>(r, c) = colors[label];
        }
    }

    display(result, "Labels");

    return result;
}

cv:：Mat预处理（常量cv:：Mat图像）{
显示器（图像，“原件”）；
//颜色阈值
cv：：标量minColor（141,0,0）；
cv：：标量maxColor（255、255、124）；
cv：：Mat过滤；
//隔离有趣的颜色范围
cv:：inRange（图像、最小颜色、最大颜色、过滤）；
过滤。转换到（过滤，CV_8U）；
//应用开口（腐蚀然后扩张）
cv：：垫开度；
cv:：Mat kernel=cv:：getStructuringElement（cv:：MORPH_RECT，cv:：Size（3,3））；
cv:：morphologyEx（过滤、打开、cv:：MORPH_打开、内核、cv:：Point（-1，-1）、2）；
//计算到最近零像素的距离（欧几里德）
cv：：垫距；
距离变换（开口，距离，距离L2，5）；
cv:：规格化（距离，距离，0，1.0，cv:：NORM_MINMAX）；
显示（距离，“距离”）；
//使用最长距离进行阈值化
双最小值，最大值；
cv:：minMaxLoc（距离、最小值和最大值）；
cv：：设定阈值的Mat；
cv:：threshold（距离，阈值化，0.7*max，255，cv_threshold_二进制）；
阈值转换（阈值化，CV_8U）；
//查找连接的组件
cv：：垫标签；
int nbLabels=cv:：connectedComponents（阈值化的标签）；
//为每个标签指定随机颜色
矢量颜色（NB标签，0）；
对于（int label=1；label

您可以通过以下步骤隔离重叠项目符号：

• 将您的子弹与图像的其余部分隔离
• 在子弹上开孔（腐蚀然后膨胀）
• 计算每个白色像素到最近黑色像素的距离
• 应用阈值

< > C++代码：

cv::Mat preprocess(const cv::Mat image) {
    display(image, "Original");

    // Color thresholds
    cv::Scalar minColor(141, 0, 0);
    cv::Scalar maxColor(255, 255, 124);
    cv::Mat filtered;

    // Isolate the interesting range of colors
    cv::inRange(image, minColor, maxColor, filtered);
    filtered.convertTo(filtered, CV_8U);

    // Apply opening (erode then dilate)
    cv::Mat opening;
    cv::Mat kernel = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3));
    cv::morphologyEx(filtered, opening, cv::MORPH_OPEN, kernel, cv::Point(-1,-1), 2);

    // Compute the distance to the closest zero pixel (euclidian)
    cv::Mat distance;
    cv::distanceTransform(opening, distance, CV_DIST_L2, 5);
    cv::normalize(distance, distance, 0, 1.0, cv::NORM_MINMAX);

    display(distance, "Distance");

    // Thresholding using the longest distance
    double min, max;
    cv::minMaxLoc(distance, &min, &max);
    cv::Mat thresholded;
    cv::threshold(distance, thresholded, 0.7 * max, 255, CV_THRESH_BINARY);
    thresholded.convertTo(thresholded, CV_8U);

    // Find connected components
    cv::Mat labels;
    int nbLabels = cv::connectedComponents(thresholded, labels);

    // Assign a random color to each label
    vector<int> colors(nbLabels, 0);
    for (int label = 1; label < nbLabels; ++label) {
        colors[label] = rand() & 255;
    }
    cv::Mat result(distance.size(), CV_8U);
    for (int r = 0; r < result.rows; ++r) {
        for (int c = 0; c < result.cols; ++c) {
            int label = labels.at<int>(r, c);

            result.at<uchar>(r, c) = colors[label];
        }
    }

    display(result, "Labels");

    return result;
}

cv:：Mat预处理（常量cv:：Mat图像）{
显示器（图像，“原件”）；
//颜色阈值
cv：：标量minColor（141,0,0）；
cv：：标量maxColor（255、255、124）；
cv：：Mat过滤；
//隔离有趣的颜色范围
cv:：inRange（图像、最小颜色、最大颜色、过滤）；
过滤。转换到（过滤，CV_8U）；
//应用开口（腐蚀然后扩张）
cv：：垫开度；
cv:：Mat kernel=cv:：getStructuringElement（cv:：MORPH_RECT，cv:：Size（3,3））；
cv:：morphologyEx（过滤、打开、cv:：MORPH_打开、内核、cv:：Point（-1，-1）、2）；
//计算到最近零像素的距离（欧几里德）
cv：：垫距；
距离变换（开口，距离，距离L2，5）；
cv:：规格化（距离，距离，0，1.0，cv:：NORM_MINMAX）；
显示（距离，“距离”）；
//使用最长距离进行阈值化
双最小值，最大值；
cv:：minMaxLoc（距离、最小值和最大值）；
cv：：设定阈值的Mat；
cv:：threshold（距离，阈值化，0.7*max，255，cv_threshold_二进制）；
阈值转换（阈值化，CV_8U）；
//查找连接的组件
cv：：垫标签；
int nbLabels=cv:：connectedComponents（阈值化的标签）；
//为每个标签指定随机颜色
矢量颜色（NB标签，0）；
对于（int label=1；label

您可以通过两种方式完成任务

更简单的方法是减去图像。拍摄一张理想的目标图像，并在每次命中后或最终完成整个拍摄后将其与目标图像相减

另一种方法是分离颜色。如果项目符号的颜色为蓝色，则可以使用范围函数过滤掉颜色。您甚至可以创建不同颜色项目符号的库，以便用户可以从选项中选择它。我最近在C#做过类似的项目。有关更多详细信息，请联系我的电子邮件(rajkumarm704@gmail.com)

---

有两种方法可以完成任务

更简单的方法是减去图像。拍摄一张理想的目标图像，并在每次命中后或最终完成整个拍摄后将其与目标图像相减

另一种方法是分离颜色。如果项目符号的颜色为蓝色，则可以使用范围函数过滤掉颜色。您甚至可以创建不同颜色项目符号的库，以便用户可以从选项中选择它。我最近在C#做过类似的项目。有关更多详细信息，请联系我的电子邮件(rajkumarm704@gmail.com)

---

对于重叠的圆，您可以