開始設(shè)計一種大蒜播種機

awolfbee · 發(fā)表于 2021-1-2 09:20:48

#include<iostream>
#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include <opencv2/opencv.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/imgproc/types_c.h>
#include <stdlib.h>
#include <stdio.h>
#include <opencv2/highgui/highgui_c.h>
#include <math.h>
//#include "iostream"
//#include "cv.h"
//#include "highgui.h"
//#include "math.h"
using namespace cv;  //命名空間CV
using namespace std;  //命名空間 std

int threshold_value = 225;  //啟動程序時的閾值初始值，因為227能夠完全提取輪廓，所以設(shè)置為225，實際上227也可以。
int threshold_type = 3; //啟動程序的時候閾值類型，默認的為不足部分取零
int const max_value = 255;
int const max_type = 4;
int const max_BINARY_value = 255;

CvFont font;
uchar* ptr;
char label[20];
char label2[20];

Mat src, blured, src_e, src_gray, dst; //類定義幾個圖片變量，dst是最后轉(zhuǎn)化閾值之后的圖片，src.gray是灰度圖
//在C語言中“char*”是聲明一個字符類型du的指針，定義數(shù)據(jù)類型，char可以定義字符zhi有變量、數(shù)組、指針。dao
//例如：char *string="I love C#!"
//定義了一個字符指針變量string，用字符串常量"I love C#!"，對它進行初始化。對字符指針變量初始化，實際上就是把字符串第1個元素的地址（即存放字符串的字符數(shù)組的首元素地址）賦給string。*/
Mat element = getStructuringElement(MORPH_RECT, Size(5,5)); //用于腐蝕的參數(shù)
char* window_name = "閾值演示程序20201121";
char* trackbar_type = "類型: \n 0: 二值化 \n 1: 反二值化 \n 2: Truncate \n 3: To Zero \n 4: To Zero Inverted";  //
char* trackbar_value = "數(shù)值";

/// 自定義函數(shù)聲明
void Threshold_Demo( int, void* );

/**
* @主函數(shù)
*/
int main( int argc, char** argv )
{
  /// 讀取一副圖片，不改變圖片本身的顏色類型（該讀取方式為DOS運行模式）
  src = imread("121.JPG", 1); //目前還未使用攝像頭拍攝照片，暫時以直接讀取文件的方式來測試。
  erode (src, src_e, element); //對圖片進行腐蝕，參數(shù)可調(diào)，正常為9或者10，過大則造成輪廓過小，應該再進行降噪
  blur (src_e, blured, Size (3,3));//3*3內(nèi)核降噪
  imshow("腐蝕和降噪后的圖片", blured);  //顯示圖片
int width=blured.rows;  //圖像的行列
int height=blured.cols;  //圖像的列數(shù)量
cout<<width<<endl; //顯示行列的具體像素
cout<<height<<endl;
int a[500][1]; //定義整型數(shù)組，后面的1應該可以不要的
int b[500];  //設(shè)置一維數(shù)組，用于判斷曲線的切線斜率

  /// 將圖片轉(zhuǎn)換成灰度圖片 Mat img = imread("11.jpg", IMREAD_GRAYSCALE); //在讀取圖片的同時直接轉(zhuǎn)化成灰度圖，             下一步是要將像素亮度超過一定閾值的點提取出來，并找到該點的坐標，然后記錄該點坐標，用于后期的比對
  cvtColor( blured, src_gray, CV_RGB2GRAY );

  /// 創(chuàng)建一個窗口顯示圖片
  namedWindow( window_name, CV_WINDOW_AUTOSIZE );

  /// 創(chuàng)建滑動條來控制閾值
  createTrackbar( trackbar_type, window_name, &threshold_type, max_type, Threshold_Demo);

  createTrackbar( trackbar_value, window_name, &threshold_value, max_value, Threshold_Demo);

  /// 初始化自定義的閾值函數(shù)
  Threshold_Demo( 0, 0 );

// Mat img=src;  //暫時無用
  //imshow("轉(zhuǎn)化之后圖片",dst);

    //遍歷圖片的每個像素點，當像素點的閾值大于227時，將最左側(cè)的該像素地址保存在二維數(shù)組中，在該行之后的像素點拋棄，如果閾值低于227，則向下遍歷至該行末，然后從下一行開始對像素進行比較

//Mat BW = imread(imgName);
//int value = BW.at<uchar>(191, 51);
   int width1=dst.rows;  //處理之后圖像的行列
   int height1=dst.cols;  //處理之后圖像的列數(shù)量

for (int i=0 ; i<height1; i++)  //從第一行開始  應該從最后一行開始向上檢索，這樣可以減少計算量，一旦出現(xiàn)與之前曲線K值相反的方向，則確定是拐點，不用再考慮，但是要考慮出現(xiàn)切線斜率始終是減少的趨勢，這種情況下往往是蒜尖
{
   for (int j = 0; j < width1; j++) //從第一行的第一列開始
{
   //int index = i * width + j;
   int value = dst.at<uchar>(i,j); //讀取給定坐標處的像素值
//if; //像素值
     //int data = (int)dst.data[index];
if ( value >200) //如果像素值大于某個數(shù)值，則將其地址記錄在數(shù)組內(nèi),且僅記錄首像素，后面的舍棄
{
a[i][1]=j; //數(shù)組值等于列數(shù)，便于后期對比
//cout<<i<<" --- "<<j<<endl; //i為行數(shù)
//cout<<i<<" -坐標-- "<<a[i][1]<<endl;
if (i>1)
{  //11
if (a[i-1][1]<a[i][1])  //如果第一行中大于某個閾值的像素地址與下一行相比靠右，也就是列數(shù)比上一行要大，則說明該曲線向左側(cè)傾斜，說
                     //明是底部，如果曲線向右側(cè)彎曲，則是蒜尖（之所以用i-1，是因為總不能和沒有像素的地址對比，所以必須向后取值）
{
b[i]=0;          //因此，當下一行的地址比上一行的地址小，則用1表示，如果下一行地址比上一行大，用0表示，1是蒜尾，0是蒜尖。
}
else if (a[i-1][1]>=a[i][1])
{
b[i]=1;
}

cout<<i<<" -標識符-- "<<b[i]<<endl;
            //cout<<j<<endl; //j為列數(shù)
} //11


                     break;
            }
}
   }
//開始對b數(shù)組進行分析，確定是否為頭尾（但是需要對曲線進行圓滑處理）
for (int i=0 ; i<height1; i++)  //對數(shù)組b進行遍歷，檢查是否存在誤判的問題
//尋找拐點，找到用于判斷的后段曲線的拐點
//對圖形進行圓滑處理，除了最大的拐點之外，盡量不要出現(xiàn)折線

// int width=dst.rows;  //圖像的行列
//int height=dst.cols;  //圖像的列數(shù)量
cout<<width<<endl; //顯示行列的具體像素
cout<<height<<endl;
//for (int i =height1-5 ; i>20; i--) //對收集的坐標數(shù)據(jù)進行分析

  // 等待用戶按鍵。如果是ESC健則退出等待過程。
  while (true)
  {
int c;
c = waitKey( 20 );
if( (char)c == 27 )
   { break; }
}

}

/**
* @自定義的閾值函數(shù)
*/
void Threshold_Demo( int, void* )
{
  /* 0: 二進制閾值
   1: 反二進制閾值
   2: 截斷閾值
   3: 0閾值
   4: 反0閾值
*/

  threshold( src_gray, dst, threshold_value, max_BINARY_value,threshold_type );

  imshow( window_name, dst );
}

/*
void main()
{

//讀入彩色圖像單通道圖像（CV_8UC1）；CV 8位未指定的1通道的圖像，backImg是單通道灰色圖

//Mat img = imread("fruits.jpg");
Mat img = imread("11.jpg", IMREAD_GRAYSCALE); //在讀取圖片的同時直接轉(zhuǎn)化成灰度圖，             下一步是要將像素亮度超過一定閾值的點提取出來，并找到該點的坐標，然后記錄該點坐標，用于后期的比對
imshow("灰度圖", img);
//確定圖像的尺寸,行列，
int width=img.rows; //圖片的變量名加上行列，就是行列的數(shù)據(jù)
int height=img.cols;
cout << width << endl; //顯示行列的數(shù)據(jù)  本圖片已經(jīng)用358的像素值裁剪了，所以形成的就是高寬都是358
cout << height << endl;
//定義一個二維數(shù)組，a[i][1],其行數(shù)等于圖像行數(shù)，列數(shù)就一列，用于記錄圖片上像素的亮度超過某個閾值的像素所在的列數(shù)，用于下一步的對比。
int a[358][1]; //確定一個358的二維數(shù)組

//int height = backImg.rows; //backImg是圖片變量名
//int width = backImg.cols;
for (int i = 0; i < height; i++)
  {
   for (int j = 0; j < width; j++)
   {
   int index = i * width + j;
//像素值
     int data = (int)img.data[index];
   }
}
waitKey();
}
*/

awolfbee · 發(fā)表于 2021-1-2 09:23:11

以上為使用OPENCV作為視覺識別的工具，目前測試的方式是以一道激光照射在蒜瓣上，根據(jù)激光產(chǎn)生的亮條的形狀以及拐點判斷蒜瓣的頭尾，對于清理非常干凈的蒜瓣來說，這樣識別問題不是很大，基本上還是可以判斷的，但是對于沒有清理干凈的蒜瓣，例如底部還有殘留的塊狀根部，或者是還有蒜皮，這樣就會對識別產(chǎn)生干擾，因此需要使用更復雜的算法排除干擾。

awolfbee · 發(fā)表于 2021-1-2 09:24:55

目前僅用保存在電腦中的圖片進行測試，暫時還沒有使用攝像頭連續(xù)拍照，關(guān)于如何排序，還得等識別沒有問題之后再說。

元旦放幾天假，總算有點時間研究下。

大白小白 · 發(fā)表于 2021-1-4 13:02:56

awolfbee 發(fā)表于 2021-1-2 09:20
: }* X$ l( q4 w2 W4 l8 d. V+ y#include
& J9 n9 j, M; i' K0 c3 P' ^#include
7 J% i) S8 E7 g6 V3 {#include

lzv5，不明覺厲！

這個需要安裝opencv的什么軟件，什么版本，

才能在C環(huán)境下編譯測試？

awolfbee · 發(fā)表于 2021-1-22 22:26:06

用一次性筷子做了個簡易的相機支架，第一次居然做低了，不能拍攝大蒜的全貌，然后在上面增加了一個小的支架，雙杠上再增加雙杠。

拍攝的大蒜圖片，背景色應該為黑色的比較好，還有就是光源沒選擇好，要在支架上再增加LED照明燈，設(shè)置好光源才行。搞視覺，的確麻煩。

相機的像素選擇有點低，不過28元的攝像頭，還能指望個啥，能拍攝照片就不錯了。

awolfbee · 發(fā)表于 2021-1-22 22:35:32

03年購買了一個飛利浦的剃須刀，用了幾年后電池彈片上銹不能用了，于是就用鋰電池裝上，之前用的是一個巨大的翹板開關(guān)，而且是用不干膠帶纏繞的，雖然實用，但是很難看。今天把剃須刀帶到公司去，整理了下，還安裝了一塊鋰電池充電板，焊接完畢后再用熱熔膠固定下相對位置，把電池的觸點用膠保護起來，這樣就比較完美了。充電時是紅色燈，充滿了就轉(zhuǎn)綠色燈。
實際上我有好幾個剃須刀，但是就這個用的比較順手點，所以就沒舍得丟。到現(xiàn)在已經(jīng)用了18年了，刀片在玻璃板上磨過幾次，依然非常鋒利。

孫啟明 · 發(fā)表于 2021-1-24 11:34:26

awolfbee 發(fā)表于 2021-1-22 22:269 g! b, E+ F; e
用一次性筷子做了個簡易的相機支架，第一次居然做低了，不能拍攝大蒜的全貌，然后在上面增加了一個小的 ...

殘存塊根的蒜瓣，從形狀上不好識別，可以從色差上面進行識別。

awolfbee · 發(fā)表于 2021-1-31 22:09:17

用未解鎖的手機屏幕作為背景，效果非常好。調(diào)節(jié)了下焦距，基本上能分辨出外觀來。

先用帶皮蒜瓣，然后剝了幾個蒜瓣，寫了一段程序，現(xiàn)在能夠使用程序讀取照片了。

準備搞一個黑色的絨布再加上玻璃板作為背景，然后要粘貼上定位條，這樣每個蒜瓣的原點就確定了，便于后期的程序書寫。

awolfbee · 發(fā)表于 2021-1-31 22:11:51

感覺按照蒜瓣這樣原始的狀態(tài)識別很麻煩，上周在工作的地方寫程序的時候就在考慮這個不一致性的問題，因為蒜頭碾碎成蒜瓣之后會存在很多蒜皮以及蒜根之類的不規(guī)則物品，對視覺識別會造成很大的干擾，這個可能要設(shè)計個設(shè)備，在把蒜瓣種子送入到鐘子箱之前就要預處理下，把從蒜瓣上剝離的蒜皮清理掉，把蒜根進一步去除，要么就在識別時將無法識別的丟棄到廢料箱中，后期人工再處理。

awolfbee · 發(fā)表于 2021-2-2 22:27:15

通過視覺軟件各種算法，取出蒜瓣的外形圖，現(xiàn)在就是要對這個外形圖進行處理，得出頭尾的結(jié)論。貌似這個也簡單，因為都帶有個小尾巴，但是我把外面的蒜皮剝掉之后是怎樣的呢？下面開始剝皮。

其中的小點應該是灰塵，可以在計算過程中把面積小于多少的點排除，這樣就可以得出蒜瓣的凈輪廓圖像。

		自動登錄	找回密碼
密碼			注冊會員

国产日韩欧美久久久精品图片|国产综合有码无码中文字幕|国产一区二区综合视频|国产亚洲精品电影网站在线观看|国产精品一区在线

開始設(shè)計一種大蒜播種機

點評

本帖子中包含更多資源

點評

本帖子中包含更多資源

點評

本帖子中包含更多資源

本帖子中包含更多資源