目录
前言一、HSV通道转换
二、图像修复
2.1 OpenCV函数实现
2.2 MyFunction
三、轮廓提取
四、效果显示
五、源码
总结
前言
前段时间，有位粉丝私信我，给我发了一张图片，如下图所示：
在这里贴出他的原话。
从他给的图片分析，该图存在遮挡，所以不能简单的二值化，然后提取图像轮廓去寻找结果。所以，我就想如何去掉这些遮挡物（即图像修复）。从图像可知，该遮挡物是黄色的线，所以，我就想可否使用hsv色彩空间提取出黄色，然后得到二值掩模图像，最后对原图进行修复。接下来，就一起看看是如何一步步实现的吧。
一、HSV通道转换
通过hsv通道转换，可以提取出图像中的黄色分量。
>结果如图所示：
二、图像修复
关于图像修复的相关知识可以参考我之前的博文。这里就不细说了。
OpenCV>
OpenCV C++案例实战十七《图像去水印》
我们拿到上面的mask掩模图像，需要对其进行膨胀处理，使修复区域范围扩大。
//将生成的掩膜mask膨胀一下，使掩膜区域放大 Mat kernel = getStructuringElement(MORPH_RECT, Size(9, 9)); dilate(mask, mask, kernel);
接下来，需要对图像进行修复。这里我提供两种修复方法，一种是OpenCV提供的inpaint函数，一种是我自己写的。
2.1> //使用OpenCV自带的inpaint函数进行图像修复，得到目标图像 Mat inpaintImg; inpaint(src, mask, inpaintImg, 1, INPAINT_NS);
效果如图所示。
2.2>
通过修改图像像素达到图像修复的效果。具体请看源码注释。
//自己写的算法，修改图像像素，完成图像修复 Mat canvas = Mat::zeros(src.size(), src.type()); int r = 1;//像素查找范围--表示在该像素点上下几行像素进行查找 for (int i = r; i < src.rows- r; i++) { for (int j = 0; j < src.cols; j++) { if (mask.at<uchar>(i, j) != 255) { bQDrY //对于非掩膜区域，直接将原像素进行像素赋值 for (int c = 0; c < 3; c++) { canvas.at<Vec3b>(i, j)[c] = src.at<Vec3b>(i, j)[c]; } } else { //找到距离该掩膜像素点最近的非掩膜区域像素进行赋值 Point res = find_Nearest_Point(mask, i, j, r); for (int c = 0; c < 3; c++) { canvas.at<Vec3b>(i, j)[c] = src.at<Vec3b>(res.x, res.y)[c]; } } } }
效果如何所示
三、轮廓提取
接下来我们只需要对修复之后的图像进行轮廓提取就可以了。
>四、效果显示
>
如图为该案例最终效果。
五、源码
#include<opencv2/opencv.hpp> #include>总结
本文使用OpenCV>
1、hsv通道转换，提取出黄色分量，得到掩模图像。
2、利用掩模图像对原图进行图像修复。
3、通过轮廓提取定位网孔位置。
以上就是C++ OpenCV实战之网孔检测的实现的详细内容，更多关于C++ OpenCV网孔检测的资料请关注我们其它相关文章！
