给定一个阈值小的图像，其中包含少量（1-3）个斑点，我想选择最接近中心的斑点，我希望它是一个数字：
我想将红色矩形提取为单独的Mat，因为它最接近中心（绿点） . 我的第一个想法是迭代图像中的所有斑点，并从像素到像中心以像素为单位拍摄距离最小的斑点 . 但是，我不熟悉绝大多数OpenCV函数（并且有很多函数！）所以我想知道是否有更好的方法 .
不过，我已经看到了一些问题：
-
如果外侧的盒子覆盖3或4个侧面，即使盒子本身远离中心，质心也可能靠近中心 . 也许我应该使用更高阶的时刻来给远离中心的点增加更多的重量？
-
OpenCV没有我所知的集成blob-finding（或连接组件标签）库 . 我可以使用查找轮廓，但对于具有内部部分的6,8或9这样的数字可能不准确 .
6 回答
使用以下任一blob计数库... cvBlobslib或使用cvBlob ...两者中的任何一个都基于单扫描标记算法..所以它的速度快
除了组件标签，你可以得到边界框，轮廓，椭圆拟合，blob过滤取决于blob的大小和blob的加法和减法....
使用findContours查找blob
用boundingRect获取它们的边界矩形
此时，你可以做你想做的事
在示例图像中，质心将无法工作，因为其他区域的质心比6的质心更接近图像中心 . 相反，您应该查找包含与图像中心最近的像素的区域 .
我会把它分解成：
做区域标签 . 使用维基百科上描述的fast union-find data structure和two-pass algorithm手动编码很容易（也很有趣！） . 您可以通过OpenCV
Mat界面访问该图像 .找到距离中心最近的非零像素的位置 . 从一个简单的详尽搜索开始......只有在它太慢的情况下才会考虑优化 .
在区域标记的图像中查找此像素的区域 .
如果这还不够好，你可以查看某种加权质心，其中靠近图像中心的像素具有更高的权重 .
没有OpenCV函数来查找质心最接近特定点的blob . 无论如何，对于1-3个blob，循环遍历所有这些将是一个快速操作 .
您可以使用包含孔的区域的findContour / drawContour提取连接的组件并计算标签图像 . 文档that do exactly that中有一个代码示例，但如果速度是个问题，您可以实现专用方法 .
要找到最接近图像中心的CC，您不应该依赖于质心，因为您的区域具有复杂的形状 . 您可以从中心开始逐渐扫描标签图像，并查看首先落在哪个连接组件上 .
编写一个类来进行连通组件标记 . here's the wiki link on it . 您需要创建一个Disjoint Set类才能使其正常工作
找到从像素到图像中心的距离的平均和，而不是找到斑点的质心 . sum（pixel_i - center）/ total_num_pixel_in_the_blob .