在使用 Visual Studio 2022 和 OpenCV 检测图像中的四个小方块并获取它们的中心坐标、边长以及旋转角度时，可以结合一系列图像处理技术来实现。以下是一个详细的分析和实现方案： ### 图像预处理 首先需要对图像进行适当的预处理以增强目标对象与背景之间的对比度。这包括： - **灰度化**：将彩色图像转换为灰度图像。 - **高斯模糊或中值滤波**：减少噪声影响。 - **边缘检测**：使用 Canny 边缘检测器提取轮廓信息。 ```cpp cv::Mat gray, blurred, edges; cv::cvtColor(image, gray, cv::COLOR_BGR2GRAY); cv::GaussianBlur(gray, blurred, cv::Size(5, 5), 0); cv::Canny(blurred, edges, 50, 150); ``` ### 轮廓检测 通过 `cv::findContours` 函数查找图像中的所有轮廓，并根据面积大小筛选出可能的小方块轮廓[^1]。 ```cpp std::vector<std::vector<cv::Point>> contours; std::vector<cv::Vec4i> hierarchy; cv::findContours(edges, contours, hierarchy, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE); std::vector<std::vector<cv::Point>> squares; for (const auto& cnt : contours) { double area = cv::contourArea(cnt); if (area > 100 && area < 10000) { // 根据实际调整阈值 cv::approxPolyDP(cnt, approx, cv::arcLength(cnt, true)*0.02, true); if (approx.size() == 4) { squares.push_back(approx); } } } ``` ### 获取几何属性 对于每个识别出的小方块轮廓，可以通过以下方式获取其几何特征： - **中心坐标**：计算轮廓的矩（moments）后得到质心位置。 - **边长**：通过计算轮廓周长再除以4估算边长。 - **旋转角度**：利用 `cv::minAreaRect` 提取最小包围矩形的角度。 ```cpp for (const auto& square : squares) { cv::Moments m = cv::moments(square); int cx = int(m.m10 / m.m00); int cy = int(m.m01 / m.m00); double perimeter = cv::arcLength(square, true); double sideLength = perimeter / 4.0; cv::RotatedRect rect = cv::minAreaRect(square); float angle = rect.angle; // 旋转角度 std::cout << "Center: (" << cx << ", " << cy << "), Side Length: " << sideLength << ", Rotation Angle: " << angle << std::endl; } ``` ### 完整代码示例 以下是完整的检测流程整合后的代码片段： ```cpp #include <opencv2/opencv.hpp> #include <iostream> int main() { cv::Mat image = cv::imread("squares.png"); if (image.empty()) { std::cerr << "Failed to load image!" << std::endl; return -1; } cv::Mat gray, blurred, edges; cv::cvtColor(image, gray, cv::COLOR_BGR2GRAY); cv::GaussianBlur(gray, blurred, cv::Size(5, 5), 0); cv::Canny(blurred, edges, 50, 150); std::vector<std::vector<cv::Point>> contours; std::vector<cv::Vec4i> hierarchy; cv::findContours(edges, contours, hierarchy, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE); std::vector<std::vector<cv::Point>> squares; for (const auto& cnt : contours) { double area = cv::contourArea(cnt); if (area > 100 && area < 10000) { std::vector<cv::Point> approx; cv::approxPolyDP(cnt, approx, cv::arcLength(cnt, true)*0.02, true); if (approx.size() == 4) { squares.push_back(approx); } } } for (const auto& square : squares) { cv::Moments m = cv::moments(square); int cx = int(m.m10 / m.m00); int cy = int(m.m01 / m.m00); double perimeter = cv::arcLength(square, true); double sideLength = perimeter / 4.0; cv::RotatedRect rect = cv::minAreaRect(square); float angle = rect.angle; std::cout << "Center: (" << cx << ", " << cy << "), Side Length: " << sideLength << ", Rotation Angle: " << angle << std::endl; } return 0; } ``` ### 总结 通过上述步骤，可以在 Visual Studio 2022 中结合 OpenCV 实现对图像中小方块的检测，并准确获取它们的中心坐标、边长及旋转角度。整个过程涉及图像预处理、轮廓提取与分析等关键技术点[^1]。 ---