opencv识别两个网球

2024-04-25 08:58
文章标签 opencv 两个 识别 网球

本文主要是介绍opencv识别两个网球,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!





#include "cxcore.h"     
#include "cv.h"     
#include "highgui.h"    
#include "iostream"
using namespace std;
  
// 内轮廓填充     
// 参数:     
// 1. pBinary: 输入二值图像,单通道,位深IPL_DEPTH_8U。    
// 2. dAreaThre: 面积阈值,当内轮廓面积小于等于dAreaThre时,进行填充。     
void FillInternalContours(IplImage *pBinary, double dAreaThre)     
{     
    double dConArea;     
    CvSeq *pContour = NULL;     
    CvSeq *pConInner = NULL;     
    CvMemStorage *pStorage = NULL;    
IplImage *dst = cvCreateImage(cvGetSize(pBinary), 8, 3);
    // 执行条件     
    if (pBinary)     
    {     
        // 查找所有轮廓     
        pStorage = cvCreateMemStorage(0);     
        cvFindContours(pBinary, pStorage, &pContour, sizeof(CvContour), CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE);     
        // 填充所有轮廓     
        cvDrawContours(pBinary, pContour, CV_RGB(255, 255, 255), CV_RGB(255, 255, 255), 2, CV_FILLED, 8, cvPoint(0, 0));    
        // 外轮廓循环     
        int wai = 0;    
        int nei = 0;  
double minarea=1000;//这里需要修改参数!
        for (; pContour != NULL; pContour = pContour->h_next)     
        {     
            wai++;    
            // 内轮廓循环  


 double tmparea = fabs(cvContourArea(pContour));  


  printf("%f\n", tmparea);  
  cout<<endl;
     
if(tmparea < minarea)     
{    
cvSeqRemove(pContour, 0); // 删除面积小于设定值的轮廓  
continue;  
}    
CvRect aRect = cvBoundingRect( pContour, 0 ); 
cout<<"轮廓的高度为:"<<aRect.width<<"轮廓的宽度为"<<aRect.height<<endl;
cout<<"轮廓的宽高比例为:"<< aRect.width/aRect.height <<endl;
           //if ((aRect.width/aRect.height)<1)    
           //{    
           //   cvSeqRemove(pContour, 0); //删除宽高比例小于设定值的轮廓  
           //   continue;  
           //}    


            for (pConInner = pContour->v_next; pConInner != NULL; pConInner = pConInner->h_next)     
            {     
                nei++;    
                // 内轮廓面积     
                dConArea = fabs(cvContourArea(pConInner, CV_WHOLE_SEQ));    
cout<<"内轮廓的面积为:"<<endl;
                printf("%f\n", dConArea);     
            }    
            CvRect rect = cvBoundingRect(pContour,0);  
            cvRectangle(dst, cvPoint(rect.x, rect.y), cvPoint(rect.x + rect.width, rect.y + rect.height),CV_RGB(255,0,0), 1, 8, 0);  
cout<<"rect.x"<<rect.x<<"rect.y"<<rect.y<<endl;
cout<<"rect.x + rect.width"<<rect.x + rect.width<<"rect.y + rect.height"<<rect.y + rect.height<<endl;
        }     
     
        printf("wai = %d, nei = %d", wai, nei);    
        cvReleaseMemStorage(&pStorage);     
        pStorage = NULL;     
    }     
cvNamedWindow("dst");    
    cvShowImage("dst", dst); 
}     
int Otsu(IplImage* src)        
{        
    int height=src->height;        
    int width=src->width;            
  
    //histogram        
    float histogram[256] = {0};        
    for(int i=0; i < height; i++)      
    {        
        unsigned char* p=(unsigned char*)src->imageData + src->widthStep * i;        
        for(int j = 0; j < width; j++)       
        {        
            histogram[*p++]++;        
        }        
    }        
    //normalize histogram        
    int size = height * width;        
    for(int i = 0; i < 256; i++)      
    {        
        histogram[i] = histogram[i] / size;        
    }        
  
    //average pixel value        
    float avgValue=0;        
    for(int i=0; i < 256; i++)      
    {        
        avgValue += i * histogram[i];  //整幅图像的平均灰度      
    }         
  
    int threshold;          
    float maxVariance=0;        
    float w = 0, u = 0;        
    for(int i = 0; i < 256; i++)       
    {        
        w += histogram[i];  //假设当前灰度i为阈值, 0~i 灰度的像素(假设像素值在此范围的像素叫做前景像素) 所占整幅图像的比例      
        u += i * histogram[i];  // 灰度i 之前的像素(0~i)的平均灰度值: 前景像素的平均灰度值      
  
        float t = avgValue * w - u;        
        float variance = t * t / (w * (1 - w) );        
        if(variance > maxVariance)       
        {        
            maxVariance = variance;        
            threshold = i;        
        }        
    }        
  
    return threshold;        
}       
  
int main()    
{    
    IplImage *img = cvLoadImage("d:\\twowangqiu.jpg", 0);    
    IplImage *bin = cvCreateImage(cvGetSize(img), 8, 1);    
  
    int thresh = Otsu(img);    
    cvThreshold(img, bin, thresh, 255, CV_THRESH_BINARY);    
  
    FillInternalContours(bin, 200);    
  
    cvNamedWindow("img");    
    cvShowImage("img", img);    
  
    cvNamedWindow("result");    
    cvShowImage("result", bin);    
 
  
    cvWaitKey(-1);    
  
    cvReleaseImage(&img);    
    cvReleaseImage(&bin);    
  
    return 0;    
}    

这篇关于opencv识别两个网球的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/934232

相关文章

opencv图像处理之指纹验证的实现

《opencv图像处理之指纹验证的实现》本文主要介绍了opencv图像处理之指纹验证的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学... 目录一、简介二、具体案例实现1. 图像显示函数2. 指纹验证函数3. 主函数4、运行结果三、总结一、

python+opencv处理颜色之将目标颜色转换实例代码

《python+opencv处理颜色之将目标颜色转换实例代码》OpenCV是一个的跨平台计算机视觉库,可以运行在Linux、Windows和MacOS操作系统上,:本文主要介绍python+ope... 目录下面是代码+ 效果 + 解释转HSV: 关于颜色总是要转HSV的掩膜再标注总结 目标:将红色的部分滤

C语言实现两个变量值交换的三种方式

《C语言实现两个变量值交换的三种方式》两个变量值的交换是编程中最常见的问题之一,以下将介绍三种变量的交换方式,其中第一种方式是最常用也是最实用的,后两种方式一般只在特殊限制下使用,需要的朋友可以参考下... 目录1.使用临时变量(推荐)2.相加和相减的方式(值较大时可能丢失数据)3.按位异或运算1.使用临时

使用PyTorch实现手写数字识别功能

《使用PyTorch实现手写数字识别功能》在人工智能的世界里,计算机视觉是最具魅力的领域之一,通过PyTorch这一强大的深度学习框架,我们将在经典的MNIST数据集上,见证一个神经网络从零开始学会识... 目录当计算机学会“看”数字搭建开发环境MNIST数据集解析1. 认识手写数字数据库2. 数据预处理的

Pytorch微调BERT实现命名实体识别

《Pytorch微调BERT实现命名实体识别》命名实体识别(NER)是自然语言处理(NLP)中的一项关键任务,它涉及识别和分类文本中的关键实体,BERT是一种强大的语言表示模型,在各种NLP任务中显著... 目录环境准备加载预训练BERT模型准备数据集标记与对齐微调 BERT最后总结环境准备在继续之前,确

讯飞webapi语音识别接口调用示例代码(python)

《讯飞webapi语音识别接口调用示例代码(python)》:本文主要介绍如何使用Python3调用讯飞WebAPI语音识别接口,重点解决了在处理语音识别结果时判断是否为最后一帧的问题,通过运行代... 目录前言一、环境二、引入库三、代码实例四、运行结果五、总结前言基于python3 讯飞webAPI语音

使用Python开发一个图像标注与OCR识别工具

《使用Python开发一个图像标注与OCR识别工具》:本文主要介绍一个使用Python开发的工具,允许用户在图像上进行矩形标注,使用OCR对标注区域进行文本识别,并将结果保存为Excel文件,感兴... 目录项目简介1. 图像加载与显示2. 矩形标注3. OCR识别4. 标注的保存与加载5. 裁剪与重置图像

java两个List的交集,并集方式

《java两个List的交集,并集方式》文章主要介绍了Java中两个List的交集和并集的处理方法,推荐使用Apache的CollectionUtils工具类,因为它简单且不会改变原有集合,同时,文章... 目录Java两个List的交集,并集方法一方法二方法三总结java两个List的交集,并集方法一

Python爬虫selenium验证之中文识别点选+图片验证码案例(最新推荐)

《Python爬虫selenium验证之中文识别点选+图片验证码案例(最新推荐)》本文介绍了如何使用Python和Selenium结合ddddocr库实现图片验证码的识别和点击功能,感兴趣的朋友一起看... 目录1.获取图片2.目标识别3.背景坐标识别3.1 ddddocr3.2 打码平台4.坐标点击5.图

如何通过海康威视设备网络SDK进行Java二次开发摄像头车牌识别详解

《如何通过海康威视设备网络SDK进行Java二次开发摄像头车牌识别详解》:本文主要介绍如何通过海康威视设备网络SDK进行Java二次开发摄像头车牌识别的相关资料,描述了如何使用海康威视设备网络SD... 目录前言开发流程问题和解决方案dll库加载不到的问题老旧版本sdk不兼容的问题关键实现流程总结前言作为