### 使用 OpenCvSharp4 实现卡尺寻边 #### 导入必要的库并初始化环境 为了使用 OpenCvSharp4 进行开发，首先需要安装 NuGet 包 `OpenCvSharp4` 和 `OpenCvSharp4.runtime.win`。这可以通过 Visual Studio 的包管理器控制台完成。 ```shell Install-Package OpenCvSharp4 Install-Package OpenCvSharp4.runtime.win ``` #### 创建 WPF 应用程序框架 创建一个新的 WPF 项目，在 XAML 文件中定义用于显示图像的控件： ```xml <Window x:Class="CaliperEdgeDetection.MainWindow" xmlns="http://schemas.microsoft.com/winfx/2006/xaml/presentation" Title="MainWindow" Height="720" Width="1280"> <Grid> <Image Name="imgDisplay"/> </Grid> </Window> ``` #### 编写 C# 代码实现卡尺寻边逻辑 下面是一段完整的 C# 代码片段，展示了如何加载图片、执行边缘检测以及应用霍夫变换来查找圆形轮廓，并最终绘制这些圆到界面上[^3]。 ```csharp using System; using System.Windows; using OpenCvSharp; namespace CaliperEdgeDetection { public partial class MainWindow : Window { private Mat src; // 原始输入图像矩阵 private Mat gray; // 灰度化后的图像矩阵 private Mat edges; // 边缘检测结果图 public MainWindow() { InitializeComponent(); LoadImage(); // 加载测试图像 ProcessImage(); // 处理图像 DisplayResult(); // 显示处理后的图像 } /// <summary> /// 加载一张本地磁盘上的图片作为待测样本 /// </summary> void LoadImage(){ string imagePath = "path_to_your_image.jpg"; src = Cv2.ImRead(imagePath); } /// <summary> /// 对原始彩色图像做灰度转换和高斯模糊去噪处理， /// 接着采用Canny算子提取边界信息。 /// </summary> void ProcessImage(){ gray = new Mat(); edges = new Mat(); Cv2.CvtColor(src, gray, ColorConversionCodes.BGR2GRAY); // 转换成单通道灰阶图像 Cv2.GaussianBlur(gray, gray, new Size(9, 9), 2, 2); // 高斯滤波降噪 Cv2.Canny(gray, edges, 50, 150); // canny edge detection } /// <summary> /// 利用Hough Circle Transform找到所有的圆心位置及其半径大小, /// 并将它们画出来. /// </summary> void FindAndDrawCircles(Mat input){ VectorOfVectorOfPoint contours = new VectorOfVectorOfPoint(); Vec3f[] circles = null; try{ circles = Cv2.HoughCircles( input, HoughModes.Gradient, dp: 1, minDist: (int)(input.Height * 0.1), param1: 200, param2: 100, minRadius: 0, maxRadius: 0).ToArray(); foreach(var circle in circles){ Point center = new Point((int)Math.Round(circle.Item0), (int)Math.Round(circle.Item1)); int radius = (int)Math.Round(circle.Item2); // 绘制外接矩形框 Rect rect = new Rect(center.X - radius, center.Y - radius, 2*radius, 2*radius); Scalar color = new Scalar(0, 255, 0); Cv2.Rectangle(input, rect, color, thickness: 2); // 在中心处标注坐标点 Cv2.Circle(input, center, 5, color, thickness: -1); // 将识别出来的圆圈标记在原图上 Cv2.Circle(src, center, radius, color, thickness: 2); } }catch(Exception ex){ MessageBox.Show($"Error during finding circles:{ex.Message}"); } } /// <summary> /// 更新UI中的image控件以反映最新的计算成果 /// </summary> void DisplayResult(){ BitmapSource bs = Helpers.ToBitmapSource(edges); imgDisplay.Source = bs; // 找出所有可能存在的圆并将之描绘于src之上 FindAndDrawCircles(edges); // 展示带有标注的结果给用户看 bs = Helpers.ToBitmapSource(src); imgDisplay.Source = bs; } } } ``` 这段代码实现了基本的功能模块，包括读取文件、预处理（转灰度+平滑）、特征抽取（边缘检测），并通过霍夫变换定位到了潜在的目标对象——即这里的圆形物体。最后一步则是把这些发现的信息可视化地呈现给了使用者。