opencv之基本形状识别

各种博客上的现有方法

https://blog.csdn.net/xuxunjie147/article/details/76577298 这篇博客只是展示了代码，并没有讲解解决问题的思路。笔者通过阅读其代码，将其思路总结如下：
https://www.cnblogs.com/long5683/p/9694983.html 这篇博客使用面积和多边形拟合后的顶点数进行各种形状的分类。但是这种方法只是适应于他给的那张图片。
https://blog.51cto.com/gloomyfish/2104134?lb 这篇博客的方法主要是通过arcLength计算原始轮廓的周长，然后通过多边形拟合逼近原始周长。最后使用多边形拟合得到的顶点数进行分类。三个顶点就是三角形，4个顶点就是矩形，4-10个顶点是不规则多边形，10个以上是圆。但是对于不规则的四边形，这种方法显然会失效。因为该方法并没有考虑每个顶点处的角度。
https://www.jianshu.com/p/2731f42882f4 这篇博客所使用的方法思路与上一篇博客基本类似。

新方法——从信号的角度分析

具体步骤如下：

使用findcontours找到所要识别的图形的轮廓。
在轮廓的基础上，使用图形的矩（moments）计算得到图形的重心。
使用drawcontours绘制轮廓，并得边缘的坐标位置
计算边缘上所有的点到重心的距离，按照逆时针绕重心转动的方向绘制距离随角度变化的图。
进行距离归一化

实验结果

圆形及其对应的距离-角度变化图

椭圆及其对应的距离-角度变化图

五边形及其对应的距离-角度变化图

矩形及其对应的距离-角度变化图

正方形及其对应的距离-角度变化图

平行四边形及其对应的距离-角度变化图

三角形及其对应的距离-角度变化图

通过上面这些图可以得到图下结论：

多边形（不包括圆和椭圆）的距离-角度图像存在大量导数不存在的点，且不可导点的数量等于顶点的个数。
多边形的顶点对应的角度越大，其不可导点的尖锐程度越小，即左导数和右导数的差距越小。
对称图形的距离-角度图像呈现高度的对称性甚至周期性。

附代码

程序是早些时候写得，没有封装成独立的函数，还有些啰嗦。代码是进行批处理的，读者可以稍微改一下程序中使用的路径。

大体的思路是先找到轮廓，然后根据轮廓计算重心位置和轮廓各个点到重心的距离。但是opencv的findcontours只会返回决定轮廓的几个重要的点，比如矩形轮廓只会返回4个顶点的坐标。为了得到所有轮廓的点，使用drawcontours先把轮廓画出来，然后根据像素值找到轮廓所有点的坐标位置。由于轮廓是画出来的，所以drawcontours的linewidth参数相当于控制绘制轮廓精细程度的一个参数。

代码中还使用fft和差分这两种时间序列分析手段分析我们的得到的数据。希望能对读者有所帮助。

代码很久没有运行，如果有bug，还望海涵。

# -*- coding:utf8 -*-
# @TIME     : 2019/7/11 16:03
# @Author   : SuHao
# @File     : main.pyimport numpy as np
import cv2
import os
import matplotlib.pyplot as plt
import scipy.fftpack as fftpath_pic = "./pic"
filename = os.listdir(path_pic)
path_result = "./result"
if not os.path.exists(path_result):os.mkdir(path_result)for i in range(len(filename)):image = cv2.imread(path_pic + "/" + filename[i], 0)ret, thresh = cv2.threshold(image, 100, 255, 0)#计算轮廓out, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)drawing = np.zeros(image.shape) + 255imgnew = cv2.drawContours(drawing, contours, 1, (0, 255, 255), 0)#确定轮廓的重心mu = cv2.moments(contours[1])cx = int(mu['m10']/mu['m00'])  #表示列数，是横坐标cy = int(mu['m01']/mu['m00'])#计算轮廓到重心的距离'''这里遇到一个问题：轮廓不总是一个像素点，也就是说轮廓是有厚度的'''label = np.where(drawing == 0)#注意此处矩阵元素的下标与在二维平面的坐标是反的，行表示纵坐标location = np.array(label).Tlocation = location[:, ::-1]location = location.astype("int64")center = np.array([[cx, cy]])center = np.tile(center, (location.shape[0], 1))center = center.astype("int64")dist = (location - center)**2dist = np.sqrt(dist.sum(axis=1))up = location[:, 1] <= cy   #注意在重心以上，对应纵坐标是小down = location[:, 1] > cylocation_up = location[up, :]location_down = location[down, :]dist_up = dist[up]dist_down = dist[down]angle_up = location_up[:, 0] - cxangle_up = np.arccos(angle_up / dist_up)angle_down = location_down[:, 0] - cxangle_down = np.arccos(angle_down / dist_down) * (-1) + np.pi * 2location = np.vstack((location_up, location_down))dist = np.hstack((dist_up, dist_down))angle = np.hstack((angle_up, angle_down))order = np.argsort(angle, axis=0)dist = dist[order]location = location[order]angle = angle[order]plt.figure()plt.plot(angle, dist / max(dist))plt.title(filename[i])plt.ylim(0, 1.2)plt.savefig(path_result + "/" + filename[i])plt.close()# 离散DCTtime_domain = fft.dct(dist / max(dist))plt.figure()plt.plot(np.arange(0, 20, 1), np.abs(time_domain)[0:20])plt.xticks(np.arange(20))plt.title(filename[i])plt.savefig(path_result + "/ifft_" + filename[i])plt.close()# 差分diff_1 = np.gradient(dist / max(dist))diff_2 = np.gradient(dist / max(dist), 2)plt.figure()plt.plot(np.arange(0, diff_1.shape[0], 1), diff_1)plt.plot(np.arange(0, diff_2.shape[0], 1), diff_2)plt.title(filename[i])plt.legend(["order_1", "order_2"])plt.plot(np.arange(0, diff_2.shape[0], 1), 0*np.arange(0, diff_2.shape[0], 1))plt.savefig(path_result + "/diff_" + filename[i])plt.close()print(i)# cv2.circle(drawing, (cx, cy), 2, (0, 255, 255), -1)# cv2.imwrite(path_result + "/contour_" + filename[i], drawing)# cv2.waitKey(1000)# cv2.destroyAllWindows()

opencv之基本形状识别相关推荐

java识别图片中的图形形状_基于Java+OpenCV技术对几何图像颜色与形状识别
基于 Java+OpenCV 技术对几何图像颜色与形状识别杨思阳黄军吴春秋 (黔东南民族职业技术学院,贵州凯里 556000) ［摘要］通过 Java 调用 OpenCV 视觉库实现几何图 ...
猿创征文｜OpenCV 如何提高条形码识别率
猿创征文|OpenCV 如何提高条形码识别率今天介绍一个使用OpenCV提高条形码识别率的算法平台及OpenCV库简介强烈建议:先学习一下OpenCV的课程步入正题:从图片读取到条码截取部分( ...
基于Python+opencv实现的人脸识别系统
前言:因为python课设我选择的是关于人脸识别的这个课题,然后做出来也是根据一些博客主们的经验,其中自己也踩了一些坑,然后自己也想写一个关于这个课题的一些总结,讲一下在其中存在的一些问题,以及怎样解 ...
opencv学习—简单车牌识别操作（python）
opencv学习-简单车牌识别操作(python) 目录 opencv学习-简单车牌识别操作(python) 利用opencv进行车牌识别的详细流程如下: 1.车牌检测 2.分割车牌号并进行识别 3. ...
几何图形识别 python_OpenCV中几何形状识别与测量
经常看到有学习OpenCV不久的人提问,如何识别一些简单的几何形状与它们的颜色,其实通过OpenCV的轮廓发现与几何分析相关的函数,只需不到100行的代码就可以很好的实现这些简单几何形状识别与对象测量 ...
形状识别——内六角螺丝内六角识别
注:本解决方案使用OpenCV4和OpenCV3实现过,写有非常详细的注释,现在贴出的是OpenCV4的代码,需要在OpenCV3中运行需要更改HOUGH_GRADIENT.COLOR_BGR2GRA ...
二维物体形状识别方法比较
二维物体形状识别方法比较摘要针对模式识别中二维物体的形状识别问题,以二值图像中的物体形状为主要研究对象,依次从特征提取.分类器设计两个主要层面对形状识别方法进行了全面综述,并分析了国内外研究 ...
MVTN：用于3D形状识别的多视图转换网络（ICCV2021）
论文标题:MVTN: Multi-View Transformation Network for 3D Shape Recognition 论文.项目地址:在公众号「3D视觉工坊」,后台回复「MVTN ...
OpenCV 简单的人脸识别
OpenCV中自带已训练好的检测器,包括面部,眼睛,猫脸等,都保存在XML文件中,我们可以通过以下程序找到他们: import cv2 as cv print(cv.__file__) 找到的文件如下 ...

opencv之基本形状识别

文章目录

opencv之基本形状识别

各种博客上的现有方法

新方法——从信号的角度分析

实验结果

通过上面这些图可以得到图下结论：

附代码

opencv之基本形状识别相关推荐

最新文章

热门文章