開(kāi)始設(shè)計(jì)一種大蒜播種機(jī)

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(dòng)程序時(shí)的閾值初始值，因?yàn)?27能夠完全提取輪廓，所以設(shè)置為225,，實(shí)際上227也可以,。
int threshold_type = 3; //啟動(dòng)程序的時(shí)候閾值類(lèi)型，默認(rèn)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(lèi)定義幾個(gè)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(yǔ)言中“char*”是聲明一個(gè)字符類(lèi)型du的指針,，定義數(shù)據(jù)類(lèi)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(gè)字符指針變量string,，用字符串常量"I love C#!",，對(duì)它進(jìn)行初始化。對(duì)字符指針變量初始化,，實(shí)際上就是把字符串第1個(gè)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(lèi)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(lèi)型（該讀取方式為DOS運(yùn)行模式）
  src = imread("121.JPG", 1); //目前還未使用攝像頭拍攝照片,，暫時(shí)以直接讀取文件的方式來(lái)測(cè)試,。
  erode (src, src_e, element); //對(duì)圖片進(jìn)行腐蝕，參數(shù)可調(diào),，正常為9或者10,，過(guò)大則造成輪廓過(guò)小，應(yīng)該再進(jìn)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(yīng)該可以不要的
int b[500];  //設(shè)置一維數(shù)組,，用于判斷曲線(xiàn)的切線(xiàn)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(shí)直接轉(zhuǎn)化成灰度圖，             下一步是要將像素亮度超過(guò)一定閾值的點(diǎn)提取出來(lái),，并找到該點(diǎn)的坐標(biāo),，然后記錄該點(diǎn)坐標(biāo)，用于后期的比對(duì)
  cvtColor( blured, src_gray, CV_RGB2GRAY );

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

  /// 創(chuàng)建滑動(dòng)條來(lái)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(shí)無(wú)用
  //imshow("轉(zhuǎn)化之后圖片",dst);

    //遍歷圖片的每個(gè)像素點(diǎn),，當(dāng)像素點(diǎn)的閾值大于227時(shí),，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(diǎn)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(kāi)始對(duì)像素進(jìn)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(kāi)始  應(yīng)該從最后一行開(kāi)始向上檢索,，這樣可以減少計(jì)算量,，一旦出現(xiàn)與之前曲線(xiàn)K值相反的方向，則確定是拐點(diǎn),，不用再考慮,，但是要考慮出現(xiàn)切線(xiàn)斜率始終是減少的趨勢(shì)，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(kāi)始
{
   //int index = i * width + j;
   int value = dst.at<uchar>(i,j); //讀取給定坐標(biāo)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(gè)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(duì)比
//cout<<i<<" --- "<<j<<endl; //i為行數(shù)
//cout<<i<<" -坐標(biāo)-- "<<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(gè)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(shuō)明該曲線(xiàn)向左側(cè)傾斜,，說(shuō)
                     //明是底部，如果曲線(xiàn)向右側(cè)彎曲,，則是蒜尖（之所以用i-1,，是因?yàn)榭偛荒芎蜎](méi)有像素的地址對(duì)比，所以必須向后取值）
{
b[i]=0;          //因此,，當(dāng)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(biāo)識(shí)符-- "<<b[i]<<endl;
            //cout<<j<<endl; //j為列數(shù)
} //11


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

// 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(duì)收集的坐標(biāo)數(shù)據(jù)進(jìn)行分析

  // 等待用戶(hù)按鍵,。如果是ESC健則退出等待過(guò)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(jìn)制閾值
   1: 反二進(jìn)制閾值
   2: 截?cái)嚅撝?font class="jammer">5 k& p+ D$ p8 N4 m) R0 t6 h2 n: Q2 `
   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(shí)直接轉(zhuǎn)化成灰度圖，             下一步是要將像素亮度超過(guò)一定閾值的點(diǎn)提取出來(lái),，并找到該點(diǎn)的坐標(biāo),，然后記錄該點(diǎn)坐標(biāo)，用于后期的比對(duì)
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(gè)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(guò)某個(gè)閾值的像素所在的列數(shù),，用于下一步的對(duì)比,。
int a[358][1]; //確定一個(gè)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(jué)識(shí)別的工具，目前測(cè)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(diǎn)判斷蒜瓣的頭尾,，對(duì)于清理非常干凈的蒜瓣來(lái)說(shuō),，這樣識(shí)別問(wèn)題不是很大，基本上還是可以判斷的,，但是對(duì)于沒(méi)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(huì)對(duì)識(shí)別產(chǎn)生干擾,，因此需要使用更復(fù)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(jìn)行測(cè)試,，暫時(shí)還沒(méi)有使用攝像頭連續(xù)拍照,，關(guān)于如何排序，還得等識(shí)別沒(méi)有問(wèn)題之后再說(shuō),。

元旦放幾天假,，總算有點(diǎn)時(shí)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
2 ^$ [3 Q: T' d$ j Z2 J#include5 i' l1 ?$ @) `$ S1 J' G) E
#include
2 g% C6 N e% U) L#include

lzv5,，不明覺(jué)厲,！

這個(gè)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(cè)試,？

awolfbee · 發(fā)表于 2021-1-22 22:26:06

用一次性筷子做了個(gè)簡(jiǎn)易的相機(jī)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(gè)小的支架，雙杠上再增加雙杠,。

拍攝的大蒜圖片,，背景色應(yīng)該為黑色的比較好，還有就是光源沒(méi)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(jué),，的確麻煩,。

相機(jī)的像素選擇有點(diǎn)低,，不過(guò)28元的攝像頭，還能指望個(gè)啥,，能拍攝照片就不錯(cuò)了,。

awolfbee · 發(fā)表于 2021-1-22 22:35:32

03年購(gòu)買(mǎi)了一個(gè)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(gè)巨大的翹板開(kāi)關(guān)，而且是用不干膠帶纏繞的,，雖然實(shí)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(duì)位置,，把電池的觸點(diǎn)用膠保護(hù)起來(lái)，這樣就比較完美了,。充電時(shí)是紅色燈,，充滿(mǎn)了就轉(zhuǎn)綠色燈。
實(shí)際上我有好幾個(gè)剃須刀,，但是就這個(gè)用的比較順手點(diǎn),，所以就沒(méi)舍得丟。到現(xiàn)在已經(jīng)用了18年了,，刀片在玻璃板上磨過(guò)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 22:26; o0 h& v' Z8 ~ p3 V
用一次性筷子做了個(gè)簡(jiǎn)易的相機(jī)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(gè)小的 ...

殘存塊根的蒜瓣,，從形狀上不好識(shí)別，可以從色差上面進(jìn)行識(shí)別,。

awolfbee · 發(fā)表于 2021-1-31 22:09:17

用未解鎖的手機(jī)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(guān)來(lái),。

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

準(zhǔn)備搞一個(gè)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(gè)蒜瓣的原點(diǎn)就確定了，便于后期的程序書(shū)寫(xiě),。

awolfbee · 發(fā)表于 2021-1-31 22:11:51

感覺(jué)按照蒜瓣這樣原始的狀態(tài)識(shí)別很麻煩,，上周在工作的地方寫(xiě)程序的時(shí)候就在考慮這個(gè)不一致性的問(wèn)題,，因?yàn)樗忸^碾碎成蒜瓣之后會(huì)存在很多蒜皮以及蒜根之類(lèi)的不規(guī)則物品，對(duì)視覺(jué)識(shí)別會(huì)造成很大的干擾,，這個(gè)可能要設(shè)計(jì)個(gè)設(shè)備,，在把蒜瓣種子送入到鐘子箱之前就要預(yù)處理下，把從蒜瓣上剝離的蒜皮清理掉,，把蒜根進(jìn)一步去除,，要么就在識(shí)別時(shí)將無(wú)法識(shí)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(guò)視覺(jué)軟件各種算法,，取出蒜瓣的外形圖，現(xiàn)在就是要對(duì)這個(gè)外形圖進(jìn)行處理,，得出頭尾的結(jié)論,。貌似這個(gè)也簡(jiǎn)單，因?yàn)槎紟в袀€(gè)小尾巴,，但是我把外面的蒜皮剝掉之后是怎樣的呢,？下面開(kāi)始剝皮,。

其中的小點(diǎn)應(yīng)該是灰塵，可以在計(jì)算過(guò)程中把面積小于多少的點(diǎn)排除,，這樣就可以得出蒜瓣的凈輪廓圖像,。

		自動(dòng)登錄	找回密碼
密碼			注冊(cè)會(huì)員

開(kāi)始設(shè)計(jì)一種大蒜播種機(jī)

點(diǎn)評(píng)

本帖子中包含更多資源

點(diǎn)評(píng)

本帖子中包含更多資源

點(diǎn)評(píng)

本帖子中包含更多資源

本帖子中包含更多資源