c++ - OpenCV 2 质心

Question

我试图找到轮廓的质心，但在用 C++（OpenCV 2.3.1）实现示例代码时遇到了麻烦。谁能帮我吗？

Answer 1

要找到轮廓的质心，可以使用矩量法。并且功能都是用OpenCV实现的。

查看这些矩函数（中心矩和空间矩）。

下面的代码取自 OpenCV 2.3 文档教程。完整代码在这里。

---

/// Find contours
findContours( canny_output, contours, hierarchy, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, Point(0, 0) );

/// Get the moments
vector<Moments> mu(contours.size() );
for( int i = 0; i < contours.size(); i++ )
 { mu[i] = moments( contours[i], false ); }

///  Get the mass centers:
vector<Point2f> mc( contours.size() );
for( int i = 0; i < contours.size(); i++ )
 { mc[i] = Point2f( mu[i].m10/mu[i].m00 , mu[i].m01/mu[i].m00 ); } 

---

另请查看此 SOF，虽然它是在 Python 中，但它会很有用。它找到轮廓的所有参数。

Answer 2

如果你有轮廓区域的掩码，你可以找到质心位置如下：

cv::Point computeCentroid(const cv::Mat &mask) {
    cv::Moments m = moments(mask, true);
    cv::Point center(m.m10/m.m00, m.m01/m.m00);
    return center;
}

当一个人有面具但没有轮廓时，这种方法很有用。cv::findContours(...)在这种情况下，与使用然后找到质心相比，上述方法在计算上更有效。

这是来源

Answer 3

给定轮廓点和Wikipedia中的公式，可以像这样有效地计算质心：

template <typename T> 
cv::Point_<T> computeCentroid(const std::vector<cv::Point_<T> >& in) {
    if (in.size() > 2) {
         T doubleArea = 0;
         cv::Point_<T> p(0,0);
         cv::Point_<T> p0 = in->back();
         for (const cv::Point_<T>& p1 : in) {//C++11
             T a = p0.x * p1.y - p0.y * p1.x; //cross product, (signed) double area of triangle of vertices (origin,p0,p1)
             p += (p0 + p1) * a;
             doubleArea += a;
             p0 = p1;
         }

         if (doubleArea != 0)
             return p * (1 / (3 * doubleArea) ); //Operator / does not exist for cv::Point
    }

    ///If we get here,
    ///All points lies on one line, you can compute a fallback value,
    ///e.g. the average of the input vertices
    [...]
}

笔记：

• 此公式适用于以顺时针和逆时针顺序给出的顶点。
• p如果这些点具有整数坐标，则将返回值的和的类型调整为Point2f或，并在返回语句中向分母添加Point2d强制转换可能会很方便。floatdouble

Answer 4

如果您只需要近似质心，这里有几种简单的方法：

sumX = 0; sumY = 0;
size = array_points.size;
if(size > 0){

    foreach(point in array_points){
        sumX += point.x;
        sumY += point.y;
    }
            
 centroid.x = sumX/size;
 centroid.y = sumY/size;
}

或者借助 Opencv 的 boundingRect：

//pseudo-code:

Rect bRect = Imgproc.boundingRect(array_points);

centroid.x = bRect.x + (bRect.width / 2);
centroid.y = bRect.y + (bRect.height / 2);