前言

OpenCVSharp是OpenCV的.NET wrapper，是一名日本工程师开发的，项目地址为：https://github.com/shimat/opencvsharp。

该源码是 BSD开放协议，BSD开源协议是一个给于使用者很大自由的协议。基本上使用者可以”为所欲为”,可以自由的使用，修改源代码，也可以将修改后的代码作为开源或者专有软件再发布或商业化销售。

1.OpenCVSharp的下载

可以直接从上面的github上下载源码，自行编译引用；

也可用vs中的nuget包管理器下载；

打开【工具】->【库程序包管理器】->【管理解决方案的NuGet程序包】，在其中搜索OpenCVSharp，选择合适的点击【安装】（最好安装最新的）。一直等待完成。

我的环境是vs2017，下载之后最好直接拷贝OpenCVSharp系列dll到项目中引用即可。

2.拟合圆并求取圆心

本次举例比较贴近实际，我们求如下原始图片的中间部分圆的圆心，选取的图片故意只留了一半：

源码如下：

using OpenCvSharp;namespace SamplesWinform{ public class CircleFit { public void Run() { //读取图片 var img = Cv2.ImRead("Data/Image/c1.bmp"); //显示图片 //Cv2.ImShow("Input Image", img); //转换成灰度图 Mat gray = img.CvtColor(ColorConversionCodes.BGR2GRAY); //阈值二值化操作 阈值参数可以用一些可视化工具来调试得到 Mat ThresholdImg = gray.Threshold(11, 255, ThresholdTypes.Binary); Cv2.ImShow("Threshold", ThresholdImg); //降噪 //方法一：高斯变化 //Mat gaussImg= ThresholdImg.GaussianBlur(new Size(5, 5), 0.8); //Cv2.ImShow("GaussianBlur", gaussImg); //方法二：中值滤波降噪 Mat medianImg = ThresholdImg.MedianBlur(5); Cv2.ImShow("MedianBlur", medianImg); //方法三：膨胀+腐蚀 ////膨胀处理 //Mat kernel = new Mat(15, 15, MatType.CV_8UC1); //Mat DilateImg = ThresholdImg.Dilate(kernel); ////腐蚀处理 //Mat binary = DilateImg.Erode(kernel); ////显示中间结果 //Cv2.ImShow("Dilate & Erode", binary); //设置感兴趣的区域 int x = 150, y = 100, w = 294, h = 337; Rect roi = new Rect(x, y, w, h); Mat ROIimg = new Mat(medianImg, roi); //Cv2.ImShow("ROI Image", ROIimg); //寻找图像轮廓 Point[][] contours; HierarchyIndex[] hierachy; Cv2.FindContours(ROIimg, out contours, out hierachy, RetrievalModes.List, ContourApproximationModes.ApproxTC89KCOS); //根据找到的轮廓点，拟合椭圆 for (int i = 0; i < contours.Length; i++) { //拟合函数必须至少5个点，少于则不拟合 if (contours[i].Length < 5) continue; //椭圆拟合 var rrt = Cv2.FitEllipse(contours[i]); //ROI复原 rrt.Center.X += x; rrt.Center.Y += y; //画椭圆 Cv2.Ellipse(img, rrt, new Scalar(0, 0, 255), 2, LineTypes.AntiAlias); //画圆心 Cv2.Circle(img, (int)(rrt.Center.X), (int)(rrt.Center.Y), 4, new Scalar(255, 0, 0), -1, LineTypes.Link8, 0); } Cv2.ImShow("Fit Circle", img); } }}

中间处理过程效果图如下：

分别是阈值分割后，中值滤波后，拟合圆之后

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对的支持。