在C++中使用OpenCV将网格图像分割成独立的小方格，通常涉及到以下几个步骤： ### 步骤一：读取并预处理图像 首先加载包含网格线的图像，并对其进行必要的预处理。这一步主要是为了增强边缘特征、去除噪声以及确保后续操作的有效性。 ```cpp #include <opencv2/opencv.hpp> #include <iostream> using namespace cv; using namespace std; int main() { // 1. 加载原始图像 Mat img = imread("grid_image.jpg"); if (img.empty()) { cout << "无法打开或找不到图像!" << endl; return -1; } // 转换为灰度图 Mat grayImg; cvtColor(img, grayImg, COLOR_BGR2GRAY); // 使用高斯模糊减少噪声 GaussianBlur(grayImg, grayImg, Size(5, 5), 0); // 进行二值化处理 Mat binaryImg; adaptiveThreshold(grayImg, binaryImg, 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY_INV, 11, 2); } ``` ### 步骤二：检测直线（水平和垂直） 接下来利用霍夫变换算法寻找网格中的水平线和垂线。我们可以设置特定的角度范围只找接近90°角方向上的线条。 ```cpp // 检测直线 vector<Vec2f> linesH; // 存储横线信息 vector<Vec2f> linesV; // 存储竖线信息 { vector<Vec2f> allLines; HoughLines(binaryImg, allLines, 1, CV_PI / 180, 150, 0, 0); for (size_t i = 0; i < allLines.size(); ++i) { float rho = allLines[i][0], theta = allLines[i][1]; if (theta > CV_PI * 45 / 180 && theta < CV_PI * 135 / 180) linesV.push_back(allLines[i]); // 竖直方向 else if ((theta >= 0 && theta <= CV_PI * 45 / 180) || (theta > CV_PI * 135 / 180)) linesH.push_back(allLines[i]); // 水平方向 } } ``` ### 步骤三：提取交点作为分隔点 一旦获得了足够的水平线段和垂直线段之后，就可以确定它们之间的交叉点作为网格单元边界的参考点了。这里可以借助于简单的数学运算得到这些交点的位置。 ```cpp Mat intersections; // 创建一个矩阵存储所有交差点的位置 intersections.create((linesH.size() + 1) * (linesV.size() + 1), 2, CV_64F); double startX = minElement(linesV)[0]; // 最左侧x坐标 double endX = maxElement(linesV)[0]; // 最右侧x坐标 double startY = minElement(linesH)[0]; // 上边界y坐标 double endY = maxElement(linesH)[0]; // 下边界y坐标 for(int y=0;y<=linesH.size();++y){ for(int x=0;x<=linesV.size();++x){ double px=(startX*x+(endX-startX)*y)/(linesV.size()+1); double py=startY+((endY-startY)/linesH.size())*y; intersections.at<double>(Point(x,y))={px,py}; } } ``` 注意上述代码假设了规则分布且无明显倾斜角度的理想情况下的交点计算方式，在实际应用中可能还需要更复杂的逻辑来进行精确匹配。 ### 步骤四：裁剪出单个格子 有了上面求得的所有交点位置后，下一步就是按照一定顺序依次访问每一对相邻节点形成封闭矩形框并将对应内容截取出保存下来即可完成最终目标——从大图里分离出来的“小盒子”。 ```cpp // 遍历每个相临四个顶点构成矩形区域 for(size_t row = 0;row<linesH.size();++row){ for(size_t col = 0;col<linesV.size();++col){ Point tl(intersections.at<Point2d>({row,col})); // 左上角 Point br(intersections.at<Point2d>({row+1,col+1}));// 右下角 Rect rect(tl.x,tl.y,br.x-tl.x,br.y-tl.y); // 定义ROI区域 Mat cell=img(rect); // 提取该区域内图像 imshow(format("Cell [%zu,%zu]", row, col), cell); // 显示每个格子 moveWindow(format("Cell [%zu,%zu]", row, col), 50+cell.cols*(static_cast<int>(col)), 50+cell.rows*(static_cast<int>(row))); waitKey(); } } ``` 以上就是一个完整的流程示例，当然具体实现细节可能会有所差异取决于所遇到的具体任务需求和技术限制条件等因素影响。