光条提取：灰度邻域属性法

小蜘蛛___

已于 2022-12-11 22:21:59 修改

阅读量510

点赞数 1

CC 4.0 BY-SA版权

分类专栏：光条提取文章标签： opencv 计算机视觉 c++

于 2022-12-11 22:19:13 首次发布

本文链接：https://blog.csdn.net/OOODDD1212/article/details/128279713

光条提取专栏收录该内容

1 篇文章

订阅专栏

本文介绍了一种使用高斯加权的二维灰度重心法来精确提取光条中心位置的方法，并提供了详细的C++实现代码。该方法通过遍历图像列，利用7x7的高斯核进行卷积运算，找到最大响应值对应的像素位置作为中心坐标。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

节选自论文：高斯加权的二维灰度重心法提取光条中心

只能实现粗略的光条提取，后续借助初始提取的光条中心以及所求出的宽度，配合加权灰度重心法进行进一步的提取。

笔者水平有限，希望读者可以进行批评指正。

代码如下

#include <opencv2/opencv.hpp>
#include <iostream>
#include <opencv2\imgproc\types_c.h>
#include <vector>
#include <deque>
#include <algorithm>
using namespace cv;
using std::vector;
using namespace std;

//
void GNA(Mat src, int i) {
	Mat srcimg;
	srcimg = src;
	Mat grayimg;
	cvtColor(srcimg, grayimg, CV_BGR2GRAY);
	float epsilon = 0.0;
	//traverse each column
	int x = 0;//用于计算行坐标
	Mat a7 = (Mat_<float>(1, 7) << 1.0, 1.0, 2.0, 4.0, 2.0, 1.0, 1.0);
	vector<int> width;//记录每一列的宽度
	float width_jj=0;//记录上一列的宽度
	for (int i = 0; i < grayimg.cols; i++) {
		float sum_value = 0;
		float sum_valuecoor = 0;
		vector<float>current_coordinat;
		vector<float> Aij0;
		//创建一个矩阵，用于计算A（i,j）
		cv::Mat temp = (Mat_<float>(7,1)<<0,0,0,0,0,0,0);
		int num = 0;
		deque<float> temp_d;
		int width_j = 0;//记录某一列的宽度
		for (int j = 0; j < grayimg.rows; j++) {
			float current = grayimg.at<uchar>(j, i);
			//temp = cv::Mat_<float>(7, 1) << current;
			temp_d.push_back(current);

			num++;
			if (num == 7)
			{
				num = num-1;
				for (int i = 0; i < 7; i++)
				{
					temp.at<float>(i,0) = temp_d.at(i);
				}
				if (temp_d.empty())
				{
					cout << "deque wrong!" << endl;
					return;
				}
				//容器弹出第一个数
				temp_d.pop_front();

				Mat Aij = a7 * temp;
				if (Aij.at<float>(0,0) >= epsilon)
				{
					Aij0.push_back(Aij.at<float>(0, 0));

					width_jj = width_j;
					width_j++;
					current_coordinat.push_back(j);
				}
			}

		}
		//判断是否断裂
		if (width_j == 0)
		{
			width_j = width_jj;
		}
		width.push_back(width_j);
		//求Aij0的最大值
		//auto max_Position = std::max_element(Aij0.begin(), Aij0.end());
		////
		if (!current_coordinat.empty())
		{
			float max_A = 0;
			int P = 0;
			for (int k = 0; k < Aij0.size(); k++)
			{
				if (Aij0[k] >= max_A)
				{
					max_A = Aij0[k];
					P = k;
				}
			}
			x = current_coordinat[P];
			circle(srcimg, Point(i, x), 1, Scalar(0, 0, 255), -1, 8);
		}
		current_coordinat.clear();
		Aij0.clear();
	}
	//namedWindow("gscog", 0);
	//resizeWindow("gscog", 800, 600);
	imshow("gscog", srcimg);
	//string save_path = "E:\\Light_strip_treatment\\extraction\\gray_centroid\\" + to_string(i) + ".bmp";
	//cout << save_path << endl;
	//imwrite(save_path, srcimg);
	waitKey(10);
}
int main() {
	// 相对对路径
	string path = "E:\\Light_strip_treatment\\threshold\\*.bmp";
	cout << path << endl;
	vector<Mat> images;
	vector<String> fn;
	glob(path, fn, false);
	cout << fn.size() << endl;
	size_t count = fn.size();
	cout << count << endl;
	for (int i = 0; i < count; i++) {
		images.push_back(imread(fn[i]));
		GNA(images[i], i);
		/*imshow("pic", images[i]);
		waitKey(10);*/
	}

	system("pause");
	return 0;
}

效果如图：