opencv实战——机器视觉检测和计数

主要观点总结

本文主要介绍了使用OpenCV实现基于形态学和距离变换的维生素片检测与计数的方法。首先通过形态学处理简化后续的药片分割操作，然后采用距离变换对图像进行预处理，以便更好地分割复杂的产品图片。文章详细描述了两种标记方法：基于轮廓和基于区域。基于轮廓的方法通过寻找轮廓信息作为分水岭的标记点，而基于区域的方法则通过膨胀操作得到背景图像，再通过距离变换得到前景图像（即注水点）。最后，通过连通域分析和分水岭算法对前景区域进行标记，并显示边缘。文章提供了详细的代码示例和流程图。

关键观点总结

关键观点1: 形态学处理简化药片分割

使用形态学处理对图像进行预处理，以消除细节，为后续的药片分割提供便利。

关键观点2: 距离变换预处理

采用距离变换对图像进行预处理，以更好地分割复杂的产品图片。

关键观点3: 两种标记方法

介绍并详细描述了基于轮廓和基于区域的两种标记方法，用于分水岭算法的种子点获取。

关键观点4: 连通域分析

通过连通域分析对前景区域进行标记，获取种子的连通域。

关键观点5: 分水岭算法应用

应用分水岭算法对标记后的图像进行边缘检测，并显示结果。