[C#]winform 使用opencvsharp实现玉米粒计数-CFANZ编程社区

【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：

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。

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）。

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。

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。

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。

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。

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】

[C#]winform 使用opencvsharp实现玉米粒计数_二值化

【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