颜色识别

1.思路

读取图片——>寻找轮廓——>遍历轮廓——>选择所需轮廓

​ |

​ \/

涂黑<—— 闭运算封口 <——提取绿色区域<——预处理

1.读取图片

imread()

2.寻找轮廓

findContours（）

3.遍历轮廓

    if (!contours.empty() && !hierarchy.empty())

{

......

}

4.选择所需轮廓

    if (!contours.empty() && !hierarchy.empty())

{

......

}

5.预处理

高斯滤波处理

 GaussianBlur()

6.提取绿色区域

    vectorcv::Mat c;

    split(temp, c);

    Mat diff = c[1] - c[2];

    threshold(diff, mask, 0, 255, THRESH_OTSU);

7.闭运算封口

cv::Mat element = getStructuringElement(MORPH_ELLIPSE, Size(9, 9));

    cv::morphologyEx(mask, mask, MORPH_CLOSE, element);

8.涂黑

    result = input.clone();

    result.setTo(Scalar(0, 0, 0), mask == 0);

2.代码

#include <iostream>

#include <opencv2/opencv.hpp>

using namespace std;

using namespace cv;

void Clear_MicroConnected_Areas(cv::Mat src, cv::Mat &dst, double min_area);

Mat IdentifyLeaves(cv::Mat input);

int main()

{

    Mat src = imread("D:/photo/34.jpg");

    Mat result = IdentifyLeaves(src);

    namedWindow("result", WINDOW_KEEPRATIO);

    imshow("result", result);

    waitKey(0);

    return 0;

}

void Clear_MicroConnected_Areas(cv::Mat src, cv::Mat &dst, double min_area)

{

    // 备份复制

    dst = src.clone();

    std::vector<std::vector<cv::Point> > contours;  // 创建轮廓容器

    std::vector<cv::Vec4i>  hierarchy;

    // 寻找轮廓的函数

    // 第四个参数CV_RETR_EXTERNAL，表示寻找最外围轮廓

    // 第五个参数CV_CHAIN_APPROX_NONE，表示保存物体边界上所有连续的轮廓点到contours向量内

    cv::findContours(src, contours, hierarchy, cv::RETR_TREE, cv::CHAIN_APPROX_NONE, cv::Point());

    if (!contours.empty() && !hierarchy.empty())

    {

        std::vector<std::vector<cv::Point> >::const_iterator itc = contours.begin();

        // 遍历所有轮廓

        while (itc != contours.end())

        {

            // 定位当前轮廓所在位置

            cv::Rect rect = cv::boundingRect(cv::Mat(*itc));

            // contourArea函数计算连通区面积

            double area = contourArea(*itc);

            // 若面积小于设置的阈值

            if (area < min_area)

            {

                // 遍历轮廓所在位置所有像素点

                for (int i = rect.y; i < rect.y + rect.height; i++)

                {

                    uchar *output_data = dst.ptr<uchar>(i);

                    for (int j = rect.x; j < rect.x + rect.width; j++)

                    {

                        // 将连通区的值置0

                        if (output_data[j] == 255)

                        {

                            output_data[j] = 0;

                        }

                    }

                }

            }

            itc++;

        }

    }

}

Mat IdentifyLeaves(cv::Mat input)

{

    CV_Assert(input.channels() == 3);

    Mat temp, result, mask, hole;

    int row = input.rows;

    int col = input.cols;

    // 高斯滤波

    GaussianBlur(input, temp, Size(5, 5), 0);

    // 通道拆分

    vector<cv::Mat> c;

    split(temp, c);

    // 绿通道-蓝通道，提取绿色区域

    Mat diff = c[1] - c[2];

    //Mat diff = c[1];

    threshold(diff, mask, 0, 255, THRESH_OTSU);

    // 闭运算封口

    cv::Mat element = getStructuringElement(MORPH_ELLIPSE, Size(9, 9));

    cv::morphologyEx(mask, mask, MORPH_CLOSE, element);

    // 孔洞闭合

    hole = 255 - mask;

    Clear_MicroConnected_Areas(hole, hole, row*col / 300);

    mask = 255 - hole;

    Clear_MicroConnected_Areas(mask, mask, row*col / 300);//除噪点

    // 识别区域标记

    result = input.clone();

    result.setTo(Scalar(0, 0, 0), mask == 0);

    return result;
}