企业官网建设流程全解析

1、实验内容：自动是被下列九宫格图像中小人的位置，并将小人分割出来

2、思路分析：

本实验的难点首先在于如何在一幅图像中把九幅图片分离出来，其次如何能够从分离出来的九幅图片中识别出小人图像。本人的具体思路是这样的：

1. 分离九幅图片：通过findContours()函数寻找到图像中所有物体的轮廓，并用boundingRect()获得所有轮廓的包围矩形，但是我们需要的只是九宫格中的九个矩形区域，因此可以通过比较包围矩形的长或者宽剔除其他干扰矩形，就会得到九个矩形区域。接着可以凭借着九个矩形获得灰度图像的九个感兴趣区域，并将九个感兴趣区域全部输出。
2. 自动识别出小人图像：可以发现，九幅图片中，每幅图像的黑色像素点数都不尽相同，其中小人图像的黑色像素最少，这就是如何自动识别小人图像的突破点。可以寻找到九幅图像中黑色像素点最小的哪一幅，借此间接的自动识别小人图像。

3、本题中用到的关键API:

1. cvtColor():将图片转换成灰度图像
2. threshold：将灰度图像二值化
3. findContours：寻找图像的轮廓
4. boundingRect：获取输入点集的包围矩形
5. 获取像素的三种方式可以查看原创博客https://blog.csdn.net/qq_38316300/article/details/100109246

4、详细代码：

/* * 实验要求：自动识别图像中小人的位置 */ #include <opencv2/opencv.hpp> #include <vector> #include <iostream> using namespace std; using namespace cv; //找出黑色像素最小的那个图片 int findMinVectorNum(vector<int> temp); int main(int argc, char ** argv) { Mat srcImage; srcImage = imread("1.png"); if (srcImage.empty()) { printf("could not load this picture!\n"); return -1; } imshow("源图像", srcImage); //将图像转化成灰度图像 Mat grayImage; cvtColor(srcImage, grayImage, COLOR_BGR2GRAY); // 利用canny进行边缘检测 Mat binaryImage; //Canny(gra yImage, binaryImage, 100, 255); threshold(grayImage, binaryImage, 200, 255, THRESH_BINARY); imshow("灰度图像", binaryImage); // findcontours()获取轮廓 vector<vector<Point>> contours; vector<Vec4i> hierarchy; vector<Rect> rect; findContours(binaryImage, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE); // boundingRect()函数获取外围轮廓的矩形 for (int i = 0; i < contours.size(); i++) { // 根据矩形的宽来获取源图像中的九个方格矩形区域 Rect tempRect = boundingRect(contours[i]); if (tempRect.width > 90) { rect.push_back(tempRect); } } // 绘制矩形 Mat dstImage; srcImage.copyTo(dstImage); imshow("寻找到的矩形", dstImage); // //获取图形的感兴趣区域 imshow("图像1", srcImage(rect[0])); imshow("图像2", srcImage(rect[1])); imshow("图像3", srcImage(rect[2])); imshow("图像4", srcImage(rect[3])); imshow("图像5", srcImage(rect[4])); imshow("图像6", srcImage(rect[5])); imshow("图像7", srcImage(rect[6])); imshow("图像8", srcImage(rect[7])); imshow("图像9", srcImage(rect[8])); //寻找黑色像素最少的图片 int width = binaryImage(rect[0]).cols; int height = binaryImage(rect[0]).rows; cout << "width" << width << endl; cout << "height" << height << endl; vector<int> blackPixNum; int black = 0; for (size_t i = 0; i < rect.size(); i++) { for (size_t row = 0; row < height - 6; row++) { for (size_t col = 0; col < width - 10; col++) { if (binaryImage(rect[i]).at<uchar>(row, col) == 0) { black += 1; } } } blackPixNum.push_back(black); black = 0; } cout << "blackPixNum:" << blackPixNum.size()<< endl; for (size_t i = 0; i < blackPixNum.size(); i++) { cout << "第" << i + 1<< "个图片的黑色像素的个数" << blackPixNum[i] << endl; } // 找出九个图像中像素最小的那一个图片 int minVectorNum = findMinVectorNum(blackPixNum); for (size_t i = 0; i < blackPixNum.size(); i++) { if (blackPixNum[i] == minVectorNum) { imshow("最终找到的图片", srcImage(rect[i])); } } //// 获取感兴趣的区域 waitKey(0); return 0; } int findMinVectorNum(vector<int> temp) { int mindata = temp[0]; int len = temp.size(), i; for (i = 1;i<len;i++) { if (temp[i]<mindata) mindata = temp[i]; } return mindata; }