在C#中使用OpenCV進(jìn)行圖像處理時(shí)，可以使用不同的算法和函數(shù)來(lái)實(shí)現(xiàn)斑點(diǎn)檢測(cè)、邊緣檢測(cè)和輪廓檢測(cè)。

• 斑點(diǎn)檢測(cè)
• 邊緣檢測(cè)
• 輪廓檢測(cè)

一、斑點(diǎn)檢測(cè)（Blob）

斑點(diǎn)檢測(cè)是指在圖像中找到明亮或暗的小區(qū)域（通常表示為斑點(diǎn)），并標(biāo)記它們的位置。可以使用OpenCV中的函數(shù)SimpleBlobDetector來(lái)實(shí)現(xiàn)斑點(diǎn)檢測(cè)。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(guò)設(shè)置閾值來(lái)確定斑點(diǎn)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(cè)二值圖像中的斑點(diǎn)的類，以下是它的參數(shù)說(shuō)明：

1. thresholdStep：二值化閾值步長(zhǎng)，用于在二值化過(guò)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(diǎn)重復(fù)次數(shù)，默認(rèn)為2，表示只有當(dāng)一個(gè)斑點(diǎn)至少在兩個(gè)不同位置被檢測(cè)到時(shí)才會(huì)被認(rèn)為是有效的。

5. blobColor：斑點(diǎn)的亮度值，取值為0或255，默認(rèn)為0，表示只檢測(cè)黑色斑點(diǎn)。

6. filterByArea：是否根據(jù)斑點(diǎn)的面積進(jìn)行過(guò)濾，默認(rèn)為true，表示進(jìn)行過(guò)濾。

7. minArea：最小的斑點(diǎn)面積，默認(rèn)為25，表示只檢測(cè)面積大于25的斑點(diǎn)。

8. maxArea：最大的斑點(diǎn)面積，默認(rèn)為5000，表示只檢測(cè)面積小于5000的斑點(diǎn)。

9. filterByCircularity：是否根據(jù)斑點(diǎn)的圓形度進(jìn)行過(guò)濾，默認(rèn)為false，表示不進(jìn)行過(guò)濾。

10. minCircularity：最小的斑點(diǎn)圓形度，默認(rèn)為0.8，表示只檢測(cè)圓形度大于0.8的斑點(diǎn)。

11. maxCircularity：最大的斑點(diǎn)圓形度，默認(rèn)為1，表示只檢測(cè)圓形度小于1的斑點(diǎn)。

12. filterByInertia：是否根據(jù)斑點(diǎn)的慣性比進(jìn)行過(guò)濾，默認(rèn)為true，表示進(jìn)行過(guò)濾。

13. minInertiaRatio：最小的斑點(diǎn)慣性比，默認(rèn)為0.1，表示只檢測(cè)慣性比大于0.1的斑點(diǎn)。

14. maxInertiaRatio：最大的斑點(diǎn)慣性比，默認(rèn)為1，表示只檢測(cè)慣性比小于1的斑點(diǎn)。

15. filterByConvexity：是否根據(jù)斑點(diǎn)的凸度進(jìn)行過(guò)濾，默認(rèn)為true，表示進(jìn)行過(guò)濾。

16. minConvexity：最小的斑點(diǎn)凸度，默認(rèn)為0.95，表示只檢測(cè)凸度大于0.95的斑點(diǎn)。

17. maxConvexity：最大的斑點(diǎn)凸度，默認(rèn)為1，表示只檢測(cè)凸度小于1的斑點(diǎn)。

這些參數(shù)可以根據(jù)具體應(yīng)用場(chǎng)景進(jìn)行調(diào)整，以得到符合要求的斑點(diǎn)檢測(cè)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(cè)斑點(diǎn)
KeyPoint[] keypoints = detector.Detect(image);
 
// 在圖像上繪制斑點(diǎn)
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(cè)

邊緣檢測(cè)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(cè)算法：Sobel邊緣檢測(cè)和 canny邊緣檢測(cè)。

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(shuō)明：

src：輸入圖像。

dst：輸出圖像，是一個(gè)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(cè)的階數(shù)。

dy：表示在垂直方向上進(jìn)行邊緣檢測(cè)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(cè)，通過(guò)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(duì)應(yīng)位置的邊緣強(qiáng)度。

cv2.Sobel函數(shù)進(jìn)行邊緣檢測(cè)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(gè)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(cè)，然后顯示結(jié)果圖像。

總之，cv2.Sobel函數(shù)是OpenCVSharp庫(kù)中的一個(gè)函數(shù)，用于在圖像上應(yīng)用Sobel算子進(jìn)行邊緣檢測(cè)。通過(guò)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(shuō)明：

image：要進(jìn)行邊緣檢測(cè)的輸入圖像。

edges：輸出的邊緣圖像。

threshold1：第一個(gè)閾值，用于邊緣鏈接。

threshold2：第二個(gè)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(gè)布爾值，指定求梯度大小的方法，默認(rèn)為false。

Canny邊緣檢測(cè)算法的原理是：首先對(duì)圖像進(jìn)行高斯濾波，然后通過(guò)Sobel算子計(jì)算圖像的梯度，再通過(guò)非極大值抑制來(lái)提取局部最大值作為邊緣點(diǎn)，最后通過(guò)雙閾值檢測(cè)來(lái)連接邊緣點(diǎn)。

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(cè)算法檢測(cè)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(gè)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(cè)算法檢測(cè)圖像中的邊緣，并將結(jié)果顯示出來(lái)。最后，釋放內(nèi)存并關(guān)閉窗口。

注意：在運(yùn)行此代碼之前，確保已在項(xiàng)目中添加對(duì)OpenCVSharp庫(kù)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(shí)際的圖像文件名

三、 輪廓檢測(cè)

輪廓檢測(cè)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(shí)現(xiàn)輪廓檢測(cè)。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(cè)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(duì)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(shí)現(xiàn)常見檢測(cè)(斑點(diǎn)檢測(cè),輪廓檢測(cè),邊緣檢測(cè))的詳細(xì)內(nèi)容，更多關(guān)于c# OpenCvSharp的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！