计算图像 MSER 的基础类是 cv::MSER，继承自 cv::Feature2D 类，cv::MSER 类的实例可以通过create 方法创建。我们在初始化时指定被检测区域的最小和最大尺寸，以便限制被检测特征的数量，调用方式如下：

cv::Ptr<cv::MSER> ptrMSER=
cv::MSER::create(5, // 局部检测时使用的增量值200, // 允许的最小面积20000); // 允许的最大面积

        现在可以通过调用 detectRegions 方法来获得 MSER，指定输入图像和一个相关的输出数据结构，代码如下所示：
 

// 点集的容器
std::vector<std::vector<cv::Point> > points;
// 矩形的容器
std::vector<cv::Rect> rects;
// 检测 MSER 特征
ptrMSER->detectRegions(image, points, rects);

        检测结果放在两个容器中。第一个是区域的容器，每个区域用组成它的像素点表示；第二个是矩形的容器，每个矩形包围一个区域。
 

        为了呈现结果，创建一个空白图像，在图像上用不同的颜色显示检测到的区域（颜色是随机选择的）。用以下代码实现：

int main()
{cv::Mat image = cv::imread("jzw.jpg", 1);cv::Ptr<cv::MSER> ptrMSER =cv::MSER::create(5, // 局部检测时使用的增量值200, // 允许的最小面积20000); // 允许的最大面积std::vector<std::vector<cv::Point> > points;std::vector<cv::Rect> rects;ptrMSER->detectRegions(image, points, rects);cv::Mat output(image.size(), CV_8UC3);output = cv::Scalar(255, 255, 255);cv::RNG rng;// 针对每个检测到的特征区域，在彩色区域显示 MSER// 反向排序，先显示较大的 MSERfor (std::vector<std::vector<cv::Point> >::reverse_iteratorit = points.rbegin();it != points.rend(); ++it) {// 生成随机颜色cv::Vec3b c(rng.uniform(0, 254),rng.uniform(0, 254), rng.uniform(0, 254));// 针对 MSER 集合中的每个点for (std::vector<cv::Point>::iterator itPts = it->begin();itPts != it->end(); ++itPts) {// 不重写 MSER 的像素if (output.at<cv::Vec3b>(*itPts)[0] == 255) {output.at<cv::Vec3b>(*itPts) = c;}}}cv::imshow("image", image);cv::imshow("output", output);waitKey(0);
}

 

最后结果为：