在计算机视觉领域，边缘检测是用于识别图像对象边界的一种重要技术。本文将介绍如何使用 OpenCvSharp（OpenCV 在 C# 上的封装库）来识别图像中的对象数量，并将每个对象用不同颜色的框标记出来。

前提条件

在开始之前，请确保你已经安装了以下工具和库：

1. Visual Studio 或 Rider 等 C# 开发环境
2. .NET SDK
3. OpenCvSharp 库

你可以通过 NuGet 包管理器安装 OpenCvSharp：

Bash
Install-Package OpenCvSharp4
Install-Package OpenCvSharp4.runtime.win

代码实现

以下代码演示了如何使用 OpenCvSharp 边缘检测技术来识别图像中的对象数量，并对每个对象用不同颜色的框标记。

完整代码

C#
internal class Program
{
    static void Main(string[] args)
    {
        // 读取图像
        string imagePath = "4.png"; // 替换为你的图像路径
        Mat srcImage = Cv2.ImRead(imagePath, ImreadModes.Color);

        // 将图像转换为灰度图
        Mat grayImage = new Mat();
        Cv2.CvtColor(srcImage, grayImage, ColorConversionCodes.BGR2GRAY);

        // 使用高斯模糊消除噪点
        Mat blurredImage = new Mat();
        Cv2.GaussianBlur(grayImage, blurredImage, new Size(5, 5), 1.5);

        // 边缘检测（Canny 算法）
        Mat edges = new Mat();
        Cv2.Canny(blurredImage, edges, 100, 200);

        // 形态学操作（膨胀与腐蚀）
        Mat dilatedImage = new Mat();
        Mat kernel = Cv2.GetStructuringElement(MorphShapes.Rect, new Size(2, 2));
        Cv2.Dilate(edges, dilatedImage, kernel);
        Cv2.Erode(dilatedImage, edges, kernel);

        // 查找轮廓
        Cv2.FindContours(edges, out Point[][] contours, out HierarchyIndex[] hierarchy, RetrievalModes.External, ContourApproximationModes.ApproxSimple);

        // 绘制每个检测到的轮廓
        Random rand = new Random();
        Mat resultImage = srcImage.Clone();
        int objectCount = 0;
        for (int i = 0; i < contours.Length; i++)
        {
            // 过滤较小的轮廓
            if (Cv2.ContourArea(contours[i]) < 300) continue; // 调整阈值以过滤小轮廓

            objectCount++;

            // 随机生成颜色
            Scalar color = new Scalar(rand.Next(0, 256), rand.Next(0, 256), rand.Next(0, 256));

            // 绘制轮廓
            Cv2.DrawContours(resultImage, contours, i, color, 2);

            // 计算轮廓的边界框
            Rect boundingBox = Cv2.BoundingRect(contours[i]);

            // 绘制边界框
            Cv2.Rectangle(resultImage, boundingBox, color, 2);
        }

        // 输出检测到的对象数量
        Console.WriteLine($"检测到的对象数量: {objectCount}");

        // 显示图像
        Cv2.ImShow("Detected Objects", resultImage);
        Cv2.WaitKey(0);
        Cv2.DestroyAllWindows();
    }
}

代码分析

1. 读取图像

C#
string imagePath = "4.png"; // 替换为你的图像路径
Mat srcImage = Cv2.ImRead(imagePath, ImreadModes.Color);

从指定路径读取图像文件。`ImreadModes.Color` 将图像加载为彩色。

2. 图像转换为灰度图

C#
Mat grayImage = new Mat();
Cv2.CvtColor(srcImage, grayImage, ColorConversionCodes.BGR2GRAY);

将彩色图像转换为灰度图。灰度图减少了颜色通道，只包含一个通道，便于后续处理。

3. 高斯模糊消除噪点

C#
Mat blurredImage = new Mat();
Cv2.GaussianBlur(grayImage, blurredImage, new Size(5, 5), 1.5);

使用高斯模糊对灰度图进行平滑处理，减少噪点。`Size(5, 5)` 是卷积核的大小，`1.5` 是标准差。

4. 边缘检测（Canny 算法）

C#
Mat edges = new Mat();
Cv2.Canny(blurredImage, edges, 100, 200);

应用 Canny 边缘检测算法，检测图像中的边缘。100 和 200 是低阈值和高阈值。

5. 形态学操作（膨胀与腐蚀）

C#
Mat dilatedImage = new Mat();
Mat kernel = Cv2.GetStructuringElement(MorphShapes.Rect, new Size(2, 2));
Cv2.Dilate(edges, dilatedImage, kernel);
Cv2.Erode(dilatedImage, edges, kernel);

- `Cv2.GetStructuringElement(MorphShapes.Rect, new Size(2, 2))` 创建形态学操作的结构元素。
- `Cv2.Dilate(edges, dilatedImage, kernel)` 应用膨胀操作，使边缘变粗。
- `Cv2.Erode(dilatedImage, edges, kernel)` 应用腐蚀操作，使边缘恢复原始大小，减少噪点影响。

6. 查找轮廓

C#
Cv2.FindContours(
    edges,
    out Point[][] contours,
    out HierarchyIndex[] hierarchy,
    RetrievalModes.External,
    ContourApproximationModes.ApproxSimple
);

使用 `Cv2.FindContours` 查找边缘图像中的轮廓。`RetrievalModes.External` 只提取最外层轮廓，`ContourApproximationModes.ApproxSimple` 对轮廓进行简化。

7. 绘制每个检测到的轮廓

C#
Random rand = new Random();
Mat resultImage = srcImage.Clone();
int objectCount = 0;
for (int i = 0; i < contours.Length; i++)
{
    // 过滤较小的轮廓
    if (Cv2.ContourArea(contours[i]) < 300) continue; // 调整阈值以过滤小轮廓

    objectCount++;

    // 随机生成颜色
    Scalar color = new Scalar(rand.Next(0, 256), rand.Next(0, 256), rand.Next(0, 256));

    // 绘制轮廓
    Cv2.DrawContours(resultImage, contours, i, color, 2);

    // 计算轮廓的边界框
    Rect boundingBox = Cv2.BoundingRect(contours[i]);

    // 绘制边界框
    Cv2.Rectangle(resultImage, boundingBox, color, 2);
}

- 使用 `Random` 类生成随机颜色。
- 克隆原始图像以绘制结果。
- 通过轮廓的面积过滤掉小轮廓（面积小于 300）。
- 用随机颜色绘制有效的轮廓和其边界框。

8. 输出检测结果

C#
Console.WriteLine($"检测到的对象数量: {objectCount}");

输出图像中检测到的对象数量。

9. 显示结果图像

C#
Cv2.ImShow("Detected Objects", resultImage);
Cv2.WaitKey(0);
Cv2.DestroyAllWindows();

- 显示包含检测到的对象和绘制轮廓的结果图像。
- 等待用户按下任意键，然后销毁所有窗口并退出。

结论

通过使用 OpenCvSharp 边缘检测技术，我们可以轻松地识别图像中的对象数量，并将每个对象用不同颜色的框标记。这在很多应用场景中非常有用，比如图像分析、机器视觉和自动化检测等。请根据实际需求调整代码中的参数和图像路径，并进一步优化处理过程以达到最佳效果。