OPENCV系列（14）——实践篇之数量识别

Posted 2021-04-25 嵌入式人生之FPGA

经过2017年下半年的学习，基本把OPENCV基础模块和扩展模块的架构跑了一遍，相关算子弄了一遍。

2018年开始，准备去弄HALCON，但是多次权衡下，还是准备继续弄OPENCV。
原因：OPENCV开源免费，对于简单应用足够，适用于成本低型产品。同时可以在其基础上，添加个人算法，构造个人的图像处理库！

本次深入OPENCV，以实际问题为切入点，再慢慢结合公司具体项目，真正掌握OPENCV开发。

一、实际问题——数量识别

二、算法思路

二值化+形态学变换+距离变换+连通域数目计算

二值化：常用THRESH_OTSU和THRESH_TRIANGLE。

该实际问题选择THRESH_TRIANGLE。

THRESH_OTSU针对于图像黑白分明效果很好，比如用扫描仪扫描的一个带文字的图像，没有光照的差异，黑白分明。

形态学变换：腐蚀程序不要太大

距离变换：距离变换后，重新进行二值化时，采用局部自适应阈值（高斯），不要采用全局阈值。

连通域：寻找参数使用CV_RETR_EXTERNAL获取最外层轮廓。

三、代码与深度思考

代码略

思考：如果重叠情况更为复杂，如下图，该方法是否还能实现呢？