新手求助，如何用OpenCV去除小块的分散区域

// m_imgFeature为黑白目标图像，白色为前景，黑色为背景

// 注意此函数会修改m_imgFeature内容。若其不可更改，应另建立副本

// 1 count contour

CvMemStorage storage = 0;

storage = cvCreateMemStorage(0); //开辟默认大小的空间

CvSeq contour = 0;

cvFindContours( m_imgFeature, storage, &contour, sizeof(CvContour), CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE ); // 查找外边缘

int num = 0;

for( ; contour != 0; contour = contour->h_next )

{

CvRect rect;

rect = cvBoundingRect(contour,0); // 转化为点列

m_arrLineSetSize(num+1);

m_arrLineGetAt(num)SetLine(rectx,rectx+rectwidth ,recty,recty+rectheight);

num = num+1;

for( i = 0; i < contour->total; i++ )

{

CvPoint line = (CvPoint)cvGetSeqElem(contour,i);

cvLine( color_dst, line[0], line[1], CV_RGB(255,0,0), 3, 8 );

}

}

// release

cvReleaseMemStorage(&storage);

//////////////////end of code////////////////////////////

cvFindContours的第5个参数

CV_RETR_EXTERNAL 查找外边缘，各边缘以指针h_next相连

CV_RETR_LIST 查找所有边缘（包含内部空洞），各边缘以指针h_next相连

CV_RETR_CCOMP 查找所有边缘（包含内部空洞）

////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////

转自：

cvFindContours函数使用说明

函数cvFindContours从二值图像中检索轮廓，并返回检测到的轮廓的个数。first_contour的值由函数填充返回，它的值将为第一个外轮廓的指针，当没有轮廓被检测到时为NULL。其它轮廓可以使用h_next和v_next连接，从first_contour到达。

int cvFindContours( CvArr image, CvMemStorage storage, CvSeq first_contour,

int header_size=sizeof(CvContour), int mode=CV_RETR_LIST,

int method=CV_CHAIN_APPROX_SIMPLE, CvPoint offset=cvPoint(0,0) );

image

8比特单通道的源二值图像。非零像素作为1处理，0像素保存不变。从一个灰度图像得到二值图像的函数有：cvThreshold，cvAdaptiveThreshold和cvCanny。

storage

返回轮廓的容器。

first_contour

输出参数，用于存储指向第一个外接轮廓。

header_size

header序列的尺寸如果选择method = CV_CHAIN_CODE, 则header_size >= sizeof(CvChain)；其他，则

header_size >= sizeof(CvContour)。

mode

检索模式，可取值如下：

CV_RETR_EXTERNAL：只检索最外面的轮廓；

CV_RETR_LIST：检索所有的轮廓，并将其放入list中；

CV_RETR_CCOMP：检索所有的轮廓，并将他们组织为两层：顶层是各部分的外部边界，第二层是空洞的边界；

CV_RETR_TREE：检索所有的轮廓，并重构嵌套轮廓的整个层次。

method

边缘近似方法（除了CV_RETR_RUNS使用内置的近似，其他模式均使用此设定的近似算法）。可取值如下：

CV_CHAIN_CODE：以Freeman链码的方式输出轮廓，所有其他方法输出多边形（顶点的序列）。

CV_CHAIN_APPROX_NONE：将所有的连码点，转换成点。

CV_CHAIN_APPROX_SIMPLE：压缩水平的、垂直的和斜的部分，也就是，函数只保留他们的终点部分。

CV_CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS：使用the flavors of Teh-Chin chain近似算法

的一种。

CV_LINK_RUNS：通过连接水平段的1，使用完全不同的边缘提取算法。使用CV_RETR_LIST检索模式能使用此方法。

offset

偏移量，用于移动所有轮廓点。当轮廓是从图像的ROI提取的，并且需要在整个图像中分析时，这个参数将很有用。

讨论部分cvDrawContours中的案例显示了任何使用轮廓检测连通区域。轮廓可以用于形状分析和目标识别——可以参考文件夹OpenCV sample中的squaresc。

Jay Freeman （也被称作 "saurik"）是Cydia的创始人之一。

Cydia是一个类似苹果在线软件商店iTunes Store 的软件平台的客户端，它是在越狱的过程中被装入到系统中的，其中多数为iPhone、iPod Touch、iPad的第三方软件和补丁，主要都是弥补系统不足用。是由Jay Freeman （Saurik），Okori Group 以及UCSB大学合作开发。

Cydia是一个让用户在越狱的iOS设备上查找和安装各类软件包，包括软件、系统修改、主题和铃声等的软件管理器。Cydia是高级包装工具和dpkg的图形界面前端，Cydia也是一个去中心化的软件仓库。大多数Cydia中的软件包都是免费的，但也有很多收费程序通过类似App Store的Cydia Store销售。

Cydia上除了独立的应用程序之外更多的包是iOS本身和应用程序的扩展、修改和主题。

Cydia由Jay Freeman （也被称作 "saurik"）和他的公司，SaurikIT所开发。Cydia这个名字是源自学名为Cydia pomonella的苹果小卷蛾（Codling Moth），一种吃苹果的虫子。

是生命周期系统链码（LSCC）-安装/实例化/更新链码。

the life cycle system chaincode (LSCC)—to install/instantiate/update chaincodes。

系统链码与普通用户链码具有相同的编程模型，并且与用户链码不同，系统链码内置在对等节点的可执行文件中。

ESCC：背书系统链码（ESCC）-通过对响应进行数字签名来背书交易。

VSCC：验证系统链码（VSCC）-根据背书策略验证交易的背书签名集。

链码（又称为freeman码）是用曲线起始点的坐标和边界点方向代码来描述曲线或边界的方法，常被用来在图像处理、计算机图形学、模式识别等领域中表示曲线和区域边界。

常用的链码按照中心像素点邻接方向个数的不同，分为4连通链码和8连通链码。4连通链码的邻接点有4个，分别在中心点的上、下、左和右。

8连通链码比4连通链码增加了4个斜方向，因为任意一个像素周围均有8个邻接点，而8连通链码正好与像素点的实际情况相符，能够准确地描述中心像素点与其邻接点的信息。因此，8连通链码的使用相对较多。

以上就是关于新手求助，如何用OpenCV去除小块的分散区域全部的内容，包括:新手求助，如何用OpenCV去除小块的分散区域、Cydia里面显示by jay freeman(saurik)是什么意思、lscc是什么链码等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！