本文就把这种用OPENCV_C++编写的实时识别色子点数的算法分享出来
该算法并没有用到上一篇中用到的图像分割算法，距离变换以及分水岭。
（小声的说，其实刚开始是用了，只不过效果很不好，所以就抛弃这两个东西，转而采用了OPENCV基本的形态学分析了）
下面是分析的结果，可以看到，Halcon对于区域的处理真的是强大，OpenCV对区域处理要经过很多繁琐的操作。毕竟在工业上用的比较多的是Halcon LabView 之类的成熟的机器视觉库。

这写基本的算法你们都可以在网上查得到，我直接把它们贴出来就好。

#include <sstream>
#include <iostream>
#include <vector>
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
using namespace cv;
using namespace std;
int main()
{
	Mat srcImage, grayImg,binaryImg,dst;
	vector<vector<Point>>contours;
	vector<Vec4i> hierarchy;
	Mat dist_8u;
	Mat whiteImg(1000, 1000, CV_8UC1, 255);
	Mat numberMat;
	//int index = 1;
	for (int i = 1; i <= 26; i++)
	{
		srcImage = imread("SrcImg/"+to_string(i) + ".bmp");
		cvtColor(srcImage, grayImg, COLOR_BGR2GRAY);
		threshold(grayImg, binaryImg, 200, 255, THRESH_BINARY);
		findContours(binaryImg, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);
		for (int i = 0; i < contours.size();i++) {
			if (contours[i].size() > 200) {
				Mat imgMask = Mat::zeros(1000, 1000, CV_8UC1);  //轮廓
				//imshow("imgMask1", imgMask);
				Mat tempGrayImg;
				grayImg.copyTo(tempGrayImg);
				drawContours(imgMask, contours, i, Scalar( 255), -1);
				bitwise_and(tempGrayImg, imgMask, tempGrayImg);
				//imshow("tempGrayImg", tempGrayImg);
				threshold(tempGrayImg, tempGrayImg, 180, 255, THRESH_BINARY_INV);
				//cout << connectedComponents(tempGrayImg, numberMat) << endl;
				putText(srcImage, to_string(connectedComponents(tempGrayImg, numberMat)-2), Point(contours[i][0].x, contours[i][0].y+120), FONT_HERSHEY_PLAIN, 4.0, Scalar(0,255,0), 2);
				//参数一目标图像，参数二文本，参数三文本位置，参数四字体类型， 参数五字体大小，参数六字体
			}
		}
		imshow("srcImage", srcImage);
		imwrite("E:/" + to_string(i) + ".bmp", srcImage);
		int c = waitKey(0);
		if (c==27) {
			break;
		}
	}
}

下面是你们可能会用到的数据集，一共有26张照片。
你们也可以自己去拍照片。

————————————————
版权声明：本文为CSDN博主「/我爱西红柿炒鸡蛋/」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/m0_47472749/article/details/120200894