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。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:cvtColor():将图片转换成灰度图像threshold将灰度图像二值化findContours寻找图像的轮廓boundingRect获取输入点集的包围矩形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/1001092464、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(vectorint 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 vectorvectorPoint contours; vectorVec4i hierarchy; vectorRect 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; vectorint 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]).atuchar(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(vectorint temp) { int mindata temp[0]; int len temp.size(), i; for (i 1;ilen;i) { if (temp[i]mindata) mindata temp[i]; } return mindata; }