C#实现工业视觉检测：OpenCvSharp与卡尺找圆算法

1. 项目概述：当C#遇上计算机视觉

十年前我第一次接触工业视觉检测时，需要配置复杂的C++环境和晦涩的OpenCV接口。如今通过OpenCvSharp和Emgu.CV这两个.NET封装库，我们可以在熟悉的C#环境中快速实现强大的视觉算法。这次我将分享如何从零开始构建一个完整的视觉识别系统，重点演示工业场景中最实用的卡尺找圆算法实现。

OpenCvSharp是OpenCV的.NET Standard封装，相比Emgu.CV更接近原生OpenCV的API风格。两者都支持：

• 图像采集与预处理（滤波、二值化等）
• 特征检测（边缘、角点、轮廓等）
• 模式识别（模板匹配、机器学习等）
• 几何测量（尺寸、角度、位置等）

实测对比：OpenCvSharp在算法执行效率上比Emgu.CV快15%-20%，但Emgu.CV的文档和示例更丰富。对于需要与WPF深度集成的项目，Emgu.CV的Mat与Bitmap互转更便捷。

2. 环境搭建与基础配置

2.1 开发环境准备

推荐使用VS2022+.NET6环境，通过NuGet安装：

bash复制Install-Package OpenCvSharp4
Install-Package OpenCvSharp4.runtime.win

若选择Emgu.CV则需额外安装：

bash复制Install-Package Emgu.CV
Install-Package Emgu.CV.runtime.windows

2.2 图像处理基础框架

创建通用图像处理类时，建议采用如下结构：

csharp复制public class VisionProcessor : IDisposable
{
    private Mat _srcImage;
    private Mat _processedImage;
    
    public void LoadImage(string path) {
        _srcImage = Cv2.ImRead(path, ImreadModes.Color);
    }
    
    public Mat Preprocess() {
        _processedImage = new Mat();
        Cv2.CvtColor(_srcImage, _processedImage, ColorConversionCodes.BGR2GRAY);
        Cv2.GaussianBlur(_processedImage, _processedImage, new Size(5,5), 1.5);
        return _processedImage;
    }
    
    public void Dispose() {
        _srcImage?.Dispose();
        _processedImage?.Dispose();
    }
}

3. 核心算法实现：卡尺找圆技术

3.1 算法原理剖析

卡尺找圆(Caliper Circle Detection)是工业视觉中的经典算法，其核心流程：

1. ROI区域设定：在预期位置划定搜索区域
2. 边缘梯度检测：沿径向布置测量卡尺
3. 边缘点筛选：通过梯度阈值过滤噪声点
4. 圆拟合计算：最小二乘法拟合最佳