opencv学习笔记四十九：基于距离变换和局部自适应阈值的对象计数

案例背景：统计下图中玉米粒的个数

方案思路：先灰度化，再二值化（基于THRESH_TRIANGLE，图中直方图有明显的双峰值），腐蚀去掉一些小杂点，距离变换，再自适应局部阈值，膨胀连成连通域，寻找轮廓进行计数。

 

距离变换于1966年被学者首次提出,目前已被广泛应用于图像分析、计算机视觉、模式识别等领域，人们利用它来实现目标细化、骨架提取、形状插值及匹配、粘连物体的分离等。距离变换是针对二值图像的一种变换。在二维空间中，一幅二值图像可以认为仅仅包含目标和背景两种像素，目标的像素值为1，背景的像素值为0；距离变换的结果不是另一幅二值图像，而是一幅灰度级图像，即距离图像，图像中每个像素的灰度值为该像素与距其最近的背景像素间的距离。

方法：

首先对图像进行二值化处理（其要处理成二值图），然后给每个像素赋值为离它最近的背景像素点与其距离（Manhattan距离or欧氏距离），得到distance metric(距离矩阵)，那么离边界越远的点越亮。