c# OpenCvSharp實現(xiàn)常見檢測(斑點檢測,輪廓檢測,邊緣檢測)
在C#中使用OpenCV進(jìn)行圖像處理時，可以使用不同的算法和函數(shù)來實現(xiàn)斑點檢測、邊緣檢測和輪廓檢測。
- 斑點檢測
- 邊緣檢測
- 輪廓檢測
一、斑點檢測（Blob）
斑點檢測是指在圖像中找到明亮或暗的小區(qū)域（通常表示為斑點），并標(biāo)記它們的位置?？梢允褂肙penCV中的函數(shù)SimpleBlobDetector來實現(xiàn)斑點檢測。該函數(shù)將圖像轉(zhuǎn)換為二進(jìn)制圖像，然后找到所有的輪廓，通過設(shè)置閾值來確定斑點的亮度范圍。
SimpleBlobDetector.Params
//函數(shù)原型
public Params()
{
Data = new WParams
{
thresholdStep = 10f,
minThreshold = 50f,
maxThreshold = 220f,
minRepeatability = 2u,
minDistBetweenBlobs = 10f,
filterByColor = 1,
blobColor = 0,
filterByArea = 1,
minArea = 25f,
maxArea = 5000f,
filterByCircularity = 0,
minCircularity = 0.8f,
maxCircularity = float.MaxValue,
filterByInertia = 1,
minInertiaRatio = 0.1f,
maxInertiaRatio = float.MaxValue,
filterByConvexity = 1,
minConvexity = 0.95f,
maxConvexity = float.MaxValue
};
}SimpleBlobDetector是OpenCV中用于檢測二值圖像中的斑點的類，以下是它的參數(shù)說明：
1. thresholdStep：二值化閾值步長，用于在二值化過程中逐步增加或減小閾值，默認(rèn)為10。
2. minThreshold：最小的二值化閾值，默認(rèn)為50。
3. maxThreshold：最大的二值化閾值，默認(rèn)為220。
4. minRepeatability：最小的斑點重復(fù)次數(shù)，默認(rèn)為2，表示只有當(dāng)一個斑點至少在兩個不同位置被檢測到時才會被認(rèn)為是有效的。
5. blobColor：斑點的亮度值，取值為0或255，默認(rèn)為0，表示只檢測黑色斑點。
6. filterByArea：是否根據(jù)斑點的面積進(jìn)行過濾，默認(rèn)為true，表示進(jìn)行過濾。
7. minArea：最小的斑點面積，默認(rèn)為25，表示只檢測面積大于25的斑點。
8. maxArea：最大的斑點面積，默認(rèn)為5000，表示只檢測面積小于5000的斑點。
9. filterByCircularity：是否根據(jù)斑點的圓形度進(jìn)行過濾，默認(rèn)為false，表示不進(jìn)行過濾。
10. minCircularity：最小的斑點圓形度，默認(rèn)為0.8，表示只檢測圓形度大于0.8的斑點。
11. maxCircularity：最大的斑點圓形度，默認(rèn)為1，表示只檢測圓形度小于1的斑點。
12. filterByInertia：是否根據(jù)斑點的慣性比進(jìn)行過濾，默認(rèn)為true，表示進(jìn)行過濾。
13. minInertiaRatio：最小的斑點慣性比，默認(rèn)為0.1，表示只檢測慣性比大于0.1的斑點。
14. maxInertiaRatio：最大的斑點慣性比，默認(rèn)為1，表示只檢測慣性比小于1的斑點。
15. filterByConvexity：是否根據(jù)斑點的凸度進(jìn)行過濾，默認(rèn)為true，表示進(jìn)行過濾。
16. minConvexity：最小的斑點凸度，默認(rèn)為0.95，表示只檢測凸度大于0.95的斑點。
17. maxConvexity：最大的斑點凸度，默認(rèn)為1，表示只檢測凸度小于1的斑點。
這些參數(shù)可以根據(jù)具體應(yīng)用場景進(jìn)行調(diào)整，以得到符合要求的斑點檢測結(jié)果。
所使用圖例
// 讀取原始圖像
Mat image = new Mat("1.jpg", ImreadModes.Color);
// 創(chuàng)建SimpleBlobDetector參數(shù)
SimpleBlobDetector.Params parameters = new SimpleBlobDetector.Params();
// 設(shè)置參數(shù)
parameters.FilterByArea = true;
parameters.MinArea = 100;
parameters.MaxArea = 10000;
// 創(chuàng)建SimpleBlobDetector
SimpleBlobDetector detector = SimpleBlobDetector.Create(parameters);
// 檢測斑點
KeyPoint[] keypoints = detector.Detect(image);
// 在圖像上繪制斑點
Mat result = new Mat();
Cv2.DrawKeypoints(image, keypoints, result, Scalar.All(-1), DrawMatchesFlags.Default);
// 顯示結(jié)果
Cv2.ImShow("Result", result);
Cv2.WaitKey(0);
二、邊緣檢測
邊緣檢測是一種圖像處理技術(shù)，可以找到圖像中的邊緣或邊界。penCV 中提供的兩種重要邊緣檢測算法：Sobel邊緣檢測和 canny邊緣檢測。
1、cv2.Sobel()
//函數(shù)原型
public static void Sobel(
InputArray src,
OutputArray dst,
int ddepth,
int dx,
int dy,
int ksize = 3,
double scale = 1,
double delta = 0,
BorderType borderType = BorderType.Default
)
參數(shù)說明：
src：輸入圖像。
dst：輸出圖像，是一個與輸入圖像相同大小和類型的圖像。
ddepth：輸出圖像的深度，通常使用-1表示與輸入圖像相同深度。
dx：表示在水平方向上進(jìn)行邊緣檢測的階數(shù)。
dy：表示在垂直方向上進(jìn)行邊緣檢測的階數(shù)。
ksize：表示卷積核的大小，默認(rèn)為3。
scale：可選參數(shù)，用于縮放結(jié)果，默認(rèn)為1。
delta：可選參數(shù)，用于調(diào)整結(jié)果的偏移，默認(rèn)為0。
borderType：可選參數(shù)，用于指定邊界的處理方式，默認(rèn)為BorderType.Default。
使用cv2.Sobel函數(shù)可以進(jìn)行邊緣檢測，通過調(diào)整dx和dy的值可以獲得不同方向的邊緣信息。輸出圖像的像素值表示了對應(yīng)位置的邊緣強(qiáng)度。
cv2.Sobel函數(shù)進(jìn)行邊緣檢測的示例
using OpenCvSharp;
Mat srcImage = new Mat("input.jpg", ImreadModes.Color);
Mat grayImage = new Mat();
Cv2.CvtColor(srcImage, grayImage, ColorConversionCodes.BGR2GRAY);
Mat edges = new Mat();
Cv2.Sobel(grayImage, edges, MatType.CV_8U, 1, 0, 3);
Cv2.ImShow("Edges", edges);
Cv2.WaitKey(0);
這個示例將輸入圖像轉(zhuǎn)換為灰度圖像，并使用Sobel算子在水平方向上進(jìn)行邊緣檢測，然后顯示結(jié)果圖像。
總之，cv2.Sobel函數(shù)是OpenCVSharp庫中的一個函數(shù)，用于在圖像上應(yīng)用Sobel算子進(jìn)行邊緣檢測。通過調(diào)整參數(shù)可以獲得不同方向的邊緣信息。
2、cv2.Canny()
public static void Canny(InputArray image, OutputArray edges, double threshold1, double threshold2, int apertureSize = 3, bool L2gradient = false)
參數(shù)說明：
image：要進(jìn)行邊緣檢測的輸入圖像。
edges：輸出的邊緣圖像。
threshold1：第一個閾值，用于邊緣鏈接。
threshold2：第二個閾值，用于邊緣鏈接。
apertureSize：Sobel算子的孔徑大小，默認(rèn)為3。
L2gradient：一個布爾值，指定求梯度大小的方法，默認(rèn)為false。
Canny邊緣檢測算法的原理是：首先對圖像進(jìn)行高斯濾波，然后通過Sobel算子計算圖像的梯度，再通過非極大值抑制來提取局部最大值作為邊緣點，最后通過雙閾值檢測來連接邊緣點。
cv2.Canny函數(shù)的示例代碼：
using OpenCvSharp;
class Program
{
static void Main(string[] args)
{
// 讀取圖像
Mat image = Cv2.ImRead("image.jpg", ImreadModes.Color);
// 將圖像轉(zhuǎn)換為灰度圖像
Mat grayImage = new Mat();
Cv2.CvtColor(image, grayImage, ColorConversionCodes.BGR2GRAY);
// 使用Canny邊緣檢測算法檢測邊緣
Mat edges = new Mat();
Cv2.Canny(grayImage, edges, 100, 200);
// 顯示原始圖像和邊緣圖像
Cv2.ImShow("Original Image", image);
Cv2.ImShow("Edges", edges);
Cv2.WaitKey(0);
// 釋放內(nèi)存
Cv2.DestroyAllWindows();
image.Dispose();
grayImage.Dispose();
edges.Dispose();
}
}這個示例代碼從文件中讀取圖像，然后將其轉(zhuǎn)換為灰度圖像。然后，它使用Canny邊緣檢測算法檢測圖像中的邊緣，并將結(jié)果顯示出來。最后，釋放內(nèi)存并關(guān)閉窗口。
注意：在運行此代碼之前，確保已在項目中添加對OpenCVSharp庫的引用，并將圖像文件與示例代碼放在同一目錄下，并將圖像文件名替換為實際的圖像文件名
三、 輪廓檢測
輪廓檢測是一種從圖像中提取物體形狀的技術(shù)。OpenCV中的cvFindContours函數(shù)可以實現(xiàn)輪廓檢測。該函數(shù)將圖像轉(zhuǎn)換為二進(jìn)制圖像，然后找到所有的輪廓。
輪廓檢測步驟
- Cv2.CvtColor彩色圖像轉(zhuǎn)換為灰度圖像
- cv2.threshold函數(shù)用于將圖像進(jìn)行二值化處理
- Cv2.FindContours在圖像中查找輪廓
- Cv2.DrawContours在圖像上繪制輪廓
示例代碼
// 讀取圖像
Mat image = Cv2.ImRead("1.png", ImreadModes.Color);
// 將圖像轉(zhuǎn)換為灰度圖像
Mat grayImage = new Mat();
Cv2.CvtColor(image, grayImage, ColorConversionCodes.BGR2GRAY); // 進(jìn)行BGR2GRAY轉(zhuǎn)換
Mat ThresholdImage = new Mat();
Cv2.Threshold(grayImage, ThresholdImage, 150, 255, ThresholdTypes.Binary); // 對圖像進(jìn)行二值化處理
Cv2.ImShow("ThresholdImage", ThresholdImage);
Cv2.WaitKey(0);
OpenCvSharp.Point[][] contours;
HierarchyIndex[] hierarchy;
Cv2.FindContours(ThresholdImage, out contours, out hierarchy, RetrievalModes.List, ContourApproximationModes.ApproxSimple);
Scalar color = new Scalar(0, 255, 0); // 輪廓顏色為綠色
int thickness = 2; // 輪廓線粗細(xì)為2
for (int i = 0; i < contours.Length; i++)
{
Cv2.DrawContours(ThresholdImage, contours, i, color, thickness); // 繪制輪廓
}
Cv2.ImShow("Contours", ThresholdImage); // 顯示圖像
Cv2.WaitKey(0);以上就是c# OpenCvSharp實現(xiàn)常見檢測(斑點檢測,輪廓檢測,邊緣檢測)的詳細(xì)內(nèi)容，更多關(guān)于c# OpenCvSharp的資料請關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
C#?Unity使用正則表達(dá)式去除部分富文本的代碼示例
正則表達(dá)式在我們?nèi)粘ｉ_發(fā)中的用處不用多說了吧,下面這篇文章主要給大家介紹了關(guān)于C#?Unity使用正則表達(dá)式去除部分富文本的相關(guān)資料,文中通過實例代碼介紹的非常詳細(xì),需要的朋友可以參考下2023-03-03
這篇文章主要介紹了C#特性 迭代器(下) yield以及流的延遲計算,需要的朋友可以參考下2014-12-12
對于XML讀寫操作，項目中經(jīng)常要用到，之前木有好好總結(jié)過，例如LINQ TO XML也用過，這篇文章主要介紹了C#操作XML的方法2021-11-11
本篇文章主要是對FileStream常用的屬性與方法進(jìn)行了詳細(xì)的總結(jié)介紹，需要的朋友可以過來參考下，希望對大家有所幫助2014-01-01
這篇文章介紹了C#通過抽象工廠模式造車的方法，文中通過示例代碼介紹的非常詳細(xì)。對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下2022-10-10
這篇文章介紹了C#中的委托和事件，文中通過示例代碼介紹的非常詳細(xì)。對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下2022-03-03
c# DataView.ToTable()方法 去除表的重復(fù)項問題
這篇文章主要介紹了c# DataView.ToTable()方法 去除表的重復(fù)項問題，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2022-12-12
將文件夾下所有文件輸出到日志文件中 c#遞歸算法學(xué)習(xí)示例
這篇文章主要介紹了將文件夾下所有文件輸出到日志文件中，通過這個示例我們學(xué)習(xí)一下遞歸算法的使用方法2014-01-01
這篇文章主要介紹了c# dynamic的使用詳解，幫助大家更好的理解和學(xué)習(xí)使用c#,感興趣的朋友可以了解下2021-04-04
本文主要介紹了C# SortedList排序列表的實現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-03-03