矩的计算：cv::moments
cv::moments 是OpenCV中用于计算图像或轮廓的矩特征的函数。矩特征是一种用于描述图像或轮廓的几何特性的方法，包括中心矩、归一化中心矩、中心矩矩和归一化中心矩矩等。这些特征在形状分析、对象识别和物体测量等领域非常有用。
cv::moments 函数的基本用法如下：
cv::Moments cv::moments(const cv::Mat& array, bool binaryImage = false);
array: 输入的图像或轮廓。binaryImage: 一个布尔值，指定输入是否为二进制图像。如果设置为true，将仅考虑轮廓内的像素。
这个函数返回一个 cv::Moments 对象，其中包含了各种矩特征的值，可以通过 m 成员变量来访问这些值，如 m.m00、m.m01、m.m10 等。
轮廓面积：cv::contourArea
cv::contourArea 是OpenCV中用于计算轮廓的面积的函数。它接受一个轮廓作为输入，并返回该轮廓所围成区域的面积。这个函数非常有用，可以用于形状分析、对象测量和图像处理中的各种任务。
cv::contourArea 函数的基本用法如下：
double cv::contourArea(const std::vector<cv::Point>& contour, bool oriented = false);
contour: 输入的轮廓，通常是一个std::vector<cv::Point>。oriented: 一个布尔值，指定是否考虑轮廓的方向。如果设置为true，则会考虑轮廓的方向，如果为false，则忽略方向。
这个函数返回一个 double 类型的值，表示轮廓所围成区域的面积。
cv::arcLength
cv::arcLength 是OpenCV中用于计算轮廓的弧长（周长）的函数。它接受一个轮廓作为输入，并返回轮廓的弧长。弧长是轮廓的所有线段（弧段）长度的总和。
轮廓长度：cv::arcLength 函数的基本用法如下：
double cv::arcLength(const std::vector<cv::Point>& contour, bool closed);
contour: 输入的轮廓，通常是一个std::vector<cv::Point>。closed: 一个布尔值，指定轮廓是否封闭。如果设置为true，则轮廓被认为是封闭的，如果为false，则认为是开放的。
这个函数返回一个 double 类型的值，表示轮廓的弧长。
查找和绘制图像轮廓矩
#include <opencv2/opencv.hpp>
#include <iostream>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace std;
using namespace cv;
#include <iostream>
#include <fstream>
using namespace cv; //包含cv命名空间
#include <opencv2/core/core.hpp>
//-- - --【宏定义部分】---- ---- ----------
//描述： 定义一些辅助宏
#define WINDOW_NAME1 "【原始图】" //为窗口标题定义的宏
#define WINDOW_NAME2 "【图像轮廓】" //为窗口标题定义的宏
//--【全局变量声明部分】------------------------
// 描述： 全局变量的声明
Mat g_srcImage; Mat g_grayImage;
int g_nThresh = 100;
int g_nMaxThresh = 255;
RNG g_rng(12345);
Mat g_cannyMat_output;
vector<vector<Point> > g_vContours;
vector<Vec4i> g_vHierarchy;
// ---------------------【全局变量声明部分】-------------------
// 描述： 全局变量的声明
//
void on_ThreshChange(int, void*);
static void ShowHelpText();
//-【main()函数】------------------------
// 描述： 控制台应用程序的入口函数， 我们的程序从这里开始执行
int main(int argc, char** argv)
{
//【0】改变 console字体颜色
system("color 1E");
//读入原图像，返回3通道图像数据
g_srcImage = imread("1.jpg", 1);
// 把原图像转化成灰度图像并进行平滑
cvtColor(g_srcImage, g_grayImage, COLOR_BGR2GRAY);
blur(g_grayImage, g_grayImage, Size(3, 3));
// 创建新窗口
namedWindow(WINDOW_NAME1, WINDOW_AUTOSIZE);
imshow(WINDOW_NAME1, g_srcImage);
//创建滚动条并进行初始化
createTrackbar(" 阈值", WINDOW_NAME1, &g_nThresh, g_nMaxThresh, on_ThreshChange);
on_ThreshChange(0, 0);
waitKey(0);
return(0);
}
//-----------------------【on_ThreshChange()函数】-------------------
// 描述： 回调函数
//--
void on_ThreshChange(int, void*)
{
// 使用Canndy检测边缘
Canny(g_grayImage, g_cannyMat_output, g_nThresh, g_nThresh * 2, 3);
// 找到轮廓
findContours(g_cannyMat_output, g_vContours, g_vHierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0));
// 计算矩
vector<Moments> mu(g_vContours.size());
for (unsigned int i = 0; i < g_vContours.size(); i++)
{
mu[i] = moments(g_vContours[i], false);
}
// 计算中心矩
vector<Point2f> mc(g_vContours.size());
for (unsigned int i = 0; i < g_vContours.size(); i++)
{
mc[i] = Point2f(static_cast<float>(mu[i].m10 / mu[i].m00), static_cast<float>(mu[i].m01 / mu[i].m00));
}
// 绘制轮廓
Mat drawing = Mat::zeros(g_cannyMat_output.size(), CV_8UC3); for (unsigned int i = 0; i < g_vContours.size(); i++)
{
Scalar color = Scalar(g_rng.uniform(0, 255),
g_rng.uniform(0, 255), g_rng.uniform(0, 255));//随机生成颜色值
drawContours(drawing, g_vContours, i, color, 2, 8, g_vHierarchy, 0, Point());//绘制外层和内层轮廓
circle(drawing, mc[i], 4, color, -1, 8, 0);;//绘制圆
}
// 显示到窗口中
namedWindow(WINDOW_NAME2, WINDOW_AUTOSIZE);
imshow(WINDOW_NAME2, drawing);
// 通过 m00计算轮廓面积并且和OpenCV函数比较
printf("\t 输出内容:面积和轮廓长度\n");
for (unsigned int i = 0; i < g_vContours.size(); i++)
{
printf(" >通过m00计算出轮廓[%d]的面积:(M_00) = %,2f \n OpenCV函数计算出的面积=%.2f , 长度: %.2f \n\n", i, mu[i].m00,
contourArea(g_vContours[i]), arcLength(g_vContours[i], true));
Scalar color = Scalar(g_rng.uniform(0, 255),
g_rng.uniform(0, 255), g_rng.uniform(0, 255));
drawContours(drawing, g_vContours, i, color, 2, 8, g_vHierarchy, 0, Point());
circle(drawing, mc[i], 4, color, -1, 8, 0);
}
}
