【算法介绍】

这段代码是使用OpenCvSharp库（OpenCV的C#封装）对图像进行处理，主要流程包括图像的二值化、腐蚀操作、距离变换、轮廓检测，并在原图上标出检测到的轮廓位置及数量。下面是对代码的详细解读：

1. 初始化：
   • TotalCount 变量用于记录检测到的轮廓数量。
   • result_image 是原图的克隆，用于在后续步骤中在原图上绘制结果。
2. 二值化操作：
   • 首先，将原图像 image 转换为灰度图像 grayimg。
   • 然后，使用阈值 240 将灰度图像二值化为 BinaryImg，高于阈值的像素点被设置为 255（白色），其余为 0（黑色）。
3. 腐蚀操作（这里实际使用的是膨胀操作Cv2.Dilate，注释可能误导）：
   • 创建一个结构元素 kernel（这里为矩形，大小为15x15）。
   • 使用这个结构元素对二值图像进行膨胀操作，结果存储在 morhImage 中。膨胀操作通常用于增大前景对象（白色区域），但这里的注释和变量名（morhImage）可能会引起混淆，因为它实际上执行的是膨胀而不是腐蚀。
4. 距离变换：
   • 首先，对膨胀后的图像 morhImage 进行位非操作（Cv2.BitwiseNot），将白色区域变为黑色，黑色区域变为白色。
   • 然后，尝试进行一些不常见的操作（可能是为了某种特殊效果），但代码中存在逻辑错误：dist.ConvertTo(MorphImg, MatType.CV_8U); 实际上并没有使用 dist 变量，而是直接对 MorphImg 进行了类型转换。
   • 接着，对 MorphImg 进行二值化操作和开操作（Cv2.MorphologyEx），但这一步的目的和效果可能不是很清晰，因为前面的操作（特别是距离变换的准备步骤）没有正确执行。
5. 轮廓检测：
   • 使用 Cv2.FindContours 查找 MorphImg 中的轮廓。
   • 创建一个全黑的 markers 图像，用于在原图上标记轮廓。
   • 遍历所有轮廓，计算每个轮廓的边界矩形，并在 result_image 上绘制绿色圆圈和轮廓编号。
6. 统计和显示结果：
   • 将检测到的轮廓数量（contours.Length）赋值给 TotalCount。
   • 在 result_image 上绘制总轮廓数量的文本。
7. 返回结果：
   • 返回处理后的图像 result_image。

注意：

• 代码中关于腐蚀的部分实际上执行的是膨胀操作，这可能是一个错误或误解。
• 距离变换部分的实现似乎有误，特别是关于 dist 变量的使用。
• 代码中的注释和变量命名（如 morhImage）可能不够准确，可能会引起理解上的困惑。

【效果展示】

【实现部分代码】

using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Diagnostics;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Windows.Forms;
using OpenCvSharp;namespace FIRC
{public partial class Form1 : Form{Mat src = new Mat();CornManager detector = new CornManager();public Form1(){InitializeComponent();}private void button1_Click(object sender, EventArgs e){OpenFileDialog openFileDialog = new OpenFileDialog();openFileDialog.Filter = "图文件(*.*)|*.jpg;*.png;*.jpeg;*.bmp";openFileDialog.RestoreDirectory = true;openFileDialog.Multiselect = false;if (openFileDialog.ShowDialog() == DialogResult.OK){src = Cv2.ImRead(openFileDialog.FileName);pictureBox1.Image = OpenCvSharp.Extensions.BitmapConverter.ToBitmap(src);}}private void button2_Click(object sender, EventArgs e){if(pictureBox1.Image==null){return;}var resultMat = detector.GetCountImage(src);pictureBox2.Image= OpenCvSharp.Extensions.BitmapConverter.ToBitmap(resultMat); //Mat转Bitmap}private void Form1_Load(object sender, EventArgs e){}private void button3_Click(object sender, EventArgs e){VideoCapture capture = new VideoCapture("test.mp4");if (!capture.IsOpened()){Console.WriteLine("video not open!");return;}Mat frame = new Mat();var sw = new Stopwatch();int fps = 0;while (true){capture.Read(frame);if (frame.Empty()){Console.WriteLine("data is empty!");break;}sw.Start();var result = detector.GetCountImage(frame);sw.Stop();fps = Convert.ToInt32(1 / sw.Elapsed.TotalSeconds);sw.Reset();Cv2.PutText(result, "FPS=" + fps, new OpenCvSharp.Point(30, 30), HersheyFonts.HersheyComplex, 1.0, new Scalar(255, 0, 0), 3);//显示结果Cv2.ImShow("Result", result);int key = Cv2.WaitKey(10);if (key == 27)break;}capture.Release();}}
}

【测试环境】

vs2019

netframework4.7.2

opencvsharp=4.8.0

【源码下载地址】

https://download.csdn.net/download/FL1623863129/89774838