Image processing OpenCV对象检测-中心点

给定一个纯白色背景上的对象，有人知道OpenCV是否提供了从捕获的帧中轻松检测对象的功能吗

我试图定位对象（矩形）的角点/中心点。我目前的做法是用蛮力（扫描图像中的物体）而不是精确的。我想知道引擎盖下是否有我不知道的功能

编辑详细信息： 大小和一个小苏打罐差不多。摄影机位于对象上方，使其具有2D/矩形的感觉。相机的方向/角度是随机的，由角点计算得出

它只是一个白色背景，上面有物体（黑色）。拍摄的质量与您期望从Logitech网络摄像头中看到的一样

一旦我得到角点，我计算中心。然后将中心点转换为厘米

---

我一直在努力完善我如何获得这四个弯角。您可以通过以下图像看到我的暴力方法：

在其他机器视觉库中通常称为blob分析。我还没有使用opencv。

opencv有很多函数可以帮助您实现这一点。如果您正在使用C#NET语言编程，请下载Emgu.CV以获取打包到库中的C#NET

获得您想要的东西的一些方法：

像以前一样查找角点-例如“CornerHarris”OpenCV函数

设置图像阈值并计算重心-请参阅。。。这是我将使用的方法。您甚至可以在COG例程中执行阈值设置。i、 e.cog_x+=*成像PTR<128？255 : 0;

找到图像的力矩以提供旋转、重心等-例如“力矩”OpenCV函数。（我没用过这个）

（编辑）AForge.NET库具有角点检测功能以及一个示例项目（MotionDetector）和连接到网络摄像头的库。我认为这是最简单的方法，假设你使用的是Windows和.NET

---

已经有一个例子说明了如何在OpenCV中进行矩形检测（look in samples/squares.c），实际上非常简单

以下是他们使用的粗略算法：

0. rectangles <- {}
1. image <- load image
2. for every channel:
2.1  image_canny <- apply canny edge detector to this channel
2.2  for threshold in bunch_of_increasing_thresholds:
2.2.1   image_thresholds[threshold] <- apply threshold to this channel
2.3  for each contour found in {image_canny} U image_thresholds:
2.3.1   Approximate contour with polygons
2.3.2   if the approximation has four corners and the angles are close to 90 degrees.
2.3.2.1    rectangles <- rectangles U {contour}

---

0。矩形希望这有帮助，使用矩量法获得黑白图像的质心

cv::Point getCentroid(cv::Mat img)
{
    cv::Point Coord;
    cv::Moments mm = cv::moments(img,false);
    double moment10 = mm.m10;
    double moment01 = mm.m01;
    double moment00 = mm.m00;
    Coord.x = int(moment10 / moment00);
    Coord.y = int(moment01 / moment00);
    return Coord;
}

由于没有人发布完整的OpenCV解决方案，因此这里有一个简单的方法：

获取二值图像。我们加载图像，转换为灰度，然后使用

查找外轮廓。我们使用
findContours
查找轮廓，然后使用
boundingRect

找到中心坐标。既然我们有了轮廓，我们就可以通过提取轮廓的质心来找到中心坐标


下面是一个以绿色突出显示边界框和中心点的示例

输入图像
->
输出








因此，总结一下：

给定一个纯白色背景上的对象，有人知道OpenCV是否提供了从捕获的帧中轻松检测对象的功能吗

首先获取二值图像（、、或），然后使用查找轮廓。要获取边界矩形坐标，可以使用，它将以
x，y，w，h
的形式提供坐标。要绘制矩形，可以使用。这将为您提供轮廓的4个角点。如果要获得中心点，请使用
提取轮廓的质心的步骤

代码

关于CVD，你能详细说明一下它是如何使用的吗？根据我所看到的，您创建一个图像并运行cvCornerHarris（图像、cornerimg、块大小（？）和光圈大小（？）。还有，你是如何从角图像中提取信息的？从我可以看出，它的工作方式是对每个像素运行一个大小为“apertureSize”的sobel边缘检测器，通过“blockSize”像素组对周围的“blockSize”进行检测。然后，它使用公式对在该区域检测到的边缘进行评分。角点将具有水平和垂直。生成的图像与原始图像大小相同，但最亮的像素对应。到最坚固的角落。选择大于要检测的角的块大小-为您的图像尝试5或7。选择光圈大小和稍微小一点-尝试3。我自己还没有使用过这个函数，所以说我正在做一个类似的项目。我是OpenCV新手，请您发布执行这些步骤的源代码好吗？我相信您现在要查找的文件是[OpenCV_proj_dir]/samples/cpp/squares.cpp。
Center: (100, 100)

Center: (200, 200)

Center: (300, 300)

import cv2
import numpy as np

# Load image, convert to grayscale, and Otsu's threshold 
image = cv2.imread('1.png')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

# Find contours and extract the bounding rectangle coordintes
# then find moments to obtain the centroid
cnts = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    # Obtain bounding box coordinates and draw rectangle
    x,y,w,h = cv2.boundingRect(c)
    cv2.rectangle(image, (x, y), (x + w, y + h), (36,255,12), 2)

    # Find center coordinate and draw center point
    M = cv2.moments(c)
    cx = int(M['m10']/M['m00'])
    cy = int(M['m01']/M['m00'])
    cv2.circle(image, (cx, cy), 2, (36,255,12), -1)
    print('Center: ({}, {})'.format(cx,cy))

cv2.imshow('image', image)
cv2.waitKey()