contourArea函數的運用。
具體例子可以看下面的。
《如何獲得物體的主要方向？》
代碼略解：
1、讀入圖片，尋找輪廓；
//讀入圖像，轉換為灰度
Mat img = imread("e:/sandbox/pca1.jpg");
Mat bw;
cvtColor(img, bw, COLOR_BGR2GRAY);
//閾值處理
threshold(bw, bw, 150, 255, CV_THRESH_BINARY);
//尋找輪廓
vector > contours;
vector hierarchy;
findContours(bw, contours, hierarchy, CV_RETR_LIST, CV_CHAIN_APPROX_NONE);
2、首先以大小篩選輪廓；
//輪廓分析，找到工件
for (size_t i = 0; i < contours.size(); ++i)
{
//計算輪廓大小
double area = contourArea(contours[i]);
//去除過小或者過大的輪廓區域(科學計數法表示)
if (area < 1e2 || 1e5 < area) continue;
//繪制輪廓
drawContours(img, contours, i, CV_RGB(255, 0, 0), 2, 8, hierarchy, 0);
//尋找每一個輪廓的方向
getOrientation(contours[i], img);
}
3、單獨處理每個輪廓，分析其主要方向，繪制結果
//獲得構建的主要方向
double getOrientation(vector &pts, Mat &img)
{
//構建pca數據。這里做的是將輪廓點的x和y作為兩個維壓到data_pts中去。
Mat data_pts = Mat(pts.size(), 2, CV_64FC1);//使用mat來保存數據，也是為了后面pca處理需要
for (int i = 0; i < data_pts.rows; ++i)
{
data_pts.at(i, 0) = pts[i].x;
data_pts.at(i, 1) = pts[i].y;
}
//執行PCA分析
PCA pca_analysis(data_pts, Mat(), CV_PCA_DATA_AS_ROW);
//獲得最主要分量，在本例中，對應的就是輪廓中點，也是圖像中點
Point pos = Point(pca_analysis.mean.at(0, 0),pca_analysis.mean.at(0, 1));
//存儲特征向量和特征值
vector eigen_vecs(2);
vector eigen_val(2);
for (int i = 0; i < 2; ++i)
{
eigen_vecs[i] = Point2d(pca_analysis.eigenvectors.at(i, 0),pca_analysis.eigenvectors.at(i, 1));
eigen_val[i] = pca_analysis.eigenvalues.at(i,0);//注意，這個地方原代碼寫錯了
}
//在輪廓/圖像中點繪制小圓
circle(img, pos, 3, CV_RGB(255, 0, 255), 2);
//計算出直線，在主要方向上繪制直線
line(img, pos, pos + 0.02 * Point(eigen_vecs[0].x * eigen_val[0], eigen_vecs[0].y * eigen_val[0]) , CV_RGB(255, 255, 0));
line(img, pos, pos + 0.02 * Point(eigen_vecs[1].x * eigen_val[1], eigen_vecs[1].y * eigen_val[1]) , CV_RGB(0, 255, 255));
//返回角度結果
return atan2(eigen_vecs[0].y, eigen_vecs[0].x);
}
)
)
