【opencv学习】【轮廓检测】

今天学习轮廓检测方法

import cv2
import numpy as np# 展示图像，封装成函数
def cv_show_image(name, img):cv2.imshow(name, img)cv2.waitKey(0)  # 等待时间，单位是毫秒，0代表任意键终止cv2.destroyAllWindows()# 边缘检测的函数
# cv2.findContours(img, mode, method)
#       img: 输入图像，为了很高的精确度，建议使用二值图像
#       mode: RETR_EXTERNAL(只检测外部轮廓)、
#             RETR_LIST(检测所有轮廓并把结果保留到一个List中)
#             RETR_CCOMP，检测所有轮廓，并把结果包装成两层，第一层是各部分外部轮廓，第二层是空洞内部边界
#             RETR_TREE, 检测所有的轮廓，并重构嵌套轮廓的层次
# RETR_LIST 从解释的角度来看，这中应是最简单的。它只是提取所有的轮廓，而不去创建任何父子关系。
# RETR_EXTERNAL 如果你选择这种模式的话，只会返回最外边的的轮廓，所有的子轮廓都会被忽略掉。
# RETR_CCOMP 在这种模式下会返回所有的轮廓并将轮廓分为两级组织结构。
# RETR_TREE 这种模式下会返回所有轮廓，并且创建一个完整的组织结构列表。它甚至会告诉你谁是爷爷，爸爸，儿子，孙子等。
#       methord: 轮廓检测的方法
#             CHAIN_APPROX_NONE: 以freeman链码的方式输出轮廓，
#             CHAIN_APPROX_SIMPLE: 只保留终点部分，也就是对水平和垂直和倾斜的直线只保存终点。数据更少更精简。img = cv2.imread('images/contour.png')  # 转成灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, threshold = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)  # 转成二值图像
cv_show_image('binary_src_img', threshold)# contours，所有的轮廓信息，是一个list结构
# hierarchy 是一个层级结构，也是保留所有结果的一个结构
contours, hierarchy = cv2.findContours(threshold, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
print(len(contours))
print(type(contours))draw_img = img.copy()  # 拷贝一个图像出来，保留原始图像
# -1 表示全部轮廓都画出来，后面俩参数是轮廓的颜色和粗细，drawContours会在输入的图像上原地修改
res = cv2.drawContours(draw_img, contours, contourIdx=-1, color=(0, 255, 0), thickness=1)
cv_show_image('draw_contours_img', res)# 轮廓的特征
for i in range(len(contours)):cont = contours[i]print('第{}轮廓的面积是{}，周长是{}', i, cv2.contourArea(cont), cv2.arcLength(cont, True))  # true封闭的# 轮廓近似
# 存在一个曲线从点A到点B，存在连线AB，曲线上存在一个点C，C到直线AB的距离d最大。如果d <= 某个阈值，那么我们可以使用AB直线直接代替曲线AB
# 如果d > 某个阈值，那么想换个曲线是不能使用AB直线代替的，那么这时候就得把曲线AB继续划分成两段，分别是曲线AC和曲线CB。进一步尝试
# 进一步尝试，看看这个曲线是否能被直线AC和直线CB代替。这个是个分治/递归的求解了。
draw_img = img.copy()
for i in range(len(contours)):cont = contours[i]epsilon = 0.03 * cv2.arcLength(cont, True)approx = cv2.approxPolyDP(cont, epsilon, True)  # 求轮廓的近似，True表示封闭的# 画出近似的轮廓，传入给drawContours的轮廓类型必须是listdraw_img = cv2.drawContours(draw_img, [approx], contourIdx=-1, color=(0, 255, 0), thickness=1)cv_show_image('approx_contours_img', draw_img)# 外界矩形
draw_img = img.copy()
for i in range(len(contours)):cont = contours[i]x,y,w,h = cv2.boundingRect(cont)  # 根据轮廓求出外接最远的矩形坐标。draw_img = cv2.rectangle(draw_img, pt1=(x,y), pt2=(x+w, y+h), color=(0, 255, 0), thickness=2)  # 画出这个矩形，会在原图上画cv_show_image('rectangle_contours_img', draw_img)# 外接圆
draw_img = img.copy()
for i in range(len(contours)):cont = contours[i](x,y), radius = cv2.minEnclosingCircle(cont)  # 根据轮廓求出外接最远的圆形圆心和半径。center = (int(x), int(y))radius = int(radius)draw_img = cv2.circle(draw_img, center=center, radius=radius, color=(0, 255, 0), thickness=2)  # 画出这个矩形，会在原图上画cv_show_image('circle_contours_img', draw_img)

原始图像如下：

画出所有轮廓：
轮廓有内部轮廓和外部轮廓，如果使用mode = RETR_EXTERNAL 可只画出外轮廓

画出所有近似轮廓：

画出所有轮廓的外接最大矩形

画出所有轮廓的外接最大圆形

【opencv学习】【轮廓检测】相关推荐

OpenCV学习——轮廓检测
前言轮廓检测是传统视觉中非常常用的功能,这里简单记录一下opencv中的轮廓检测算法使用方法,至于理论,后续有机会再去细品. 国际惯例: OpenCV官方的轮廓检测教程python版 OpenCV中 ...
使用Opencv进行轮廓检测，字符提取，简单的直方图字符识别！
一.使用Opencv进行轮廓检测! 所需函数: 1. cvFindContours 函数功能:从二值图像中检索轮廓,并返回检测到的轮廓的个数函数原型: int) cvFindContours( C ...
用实际例子详细探究OpenCV的轮廓检测函数findContours(),彻底搞清每个参数、每种模式的真正作用与含义
关于OpenCV的轮廓检测函数findContours()各参数的大概意义,已在博文 https://blog.csdn.net/wenhao_ir/article/details/51798533中 ...
OpenCV 图像轮廓检测
本文是OpenCV图像视觉入门之路的第15篇文章,本文详细的介绍了图像轮廓检测的各种操作,例如:轮廓检索模式.轮廓逼近算子等操作. 图像轮廓是具有相同颜色或灰度的连续点的曲线,轮廓在形状分析和物体的检 ...
opencv 基础（6）：基于OpenCV的轮廓检测
利用轮廓检测,我们可以检测出目标的边界,并容易地定位.它通常是许多有趣应用,如图像前景提取,简单图像分割,检测和识别. 轮廓线在计算机视觉中的应用一些非常酷的应用程序已经建立,使用轮廓进行运动检测或 ...
OPENCV图像轮廓检测
前面在图像转换的时候学到canny算子,可以检测出图像的轮廓信息,但是,该算子检测到的轮廓信息还需要我们手动的用眼睛去识别,而实际工程应用中,我们需要得到轮廓的具体数学信息,这就涉及到今天的主题,图像 ...
OpenCV之轮廓检测（检测银行卡上的黑色磁条）
最近有需要做银行卡上黑色磁条的提取的工作.因为这是比较典型的轮廓检测问题.用DL的方法需要大量的标注数据集,所以想到用openCV来做.下面梳理一下流程: 前言这篇博文的目的是应用计算机视觉和图像处 ...
【OpenCV】轮廓检测
轮廓检测的作用: 1.可以检测图图像或者视频中物体的轮廓 2.计算多边形边界,形状逼近和计算感兴趣区域先看一个较为简单的轮廓检测: import cv2 import numpy as np # 创 ...
基于OpenCV的轮廓检测（1）
1.目标理解什么叫做轮廓学习如何寻找轮廓以及可视化轮廓找出轮廓的不同特征,如面积.周长.质心.边框等将看到许多与轮廓相关的函数. 2.什么叫做轮廓轮廓可以简单地解释为连接所有连续点(沿着边界 ...
opencv学习——轮廓分析寻找近似圆
这是一张经过处理后的红灯的图像,我们需要找到其中的红灯,可以看到是两个圆,用霍夫圆之后发现其中调参非常麻烦,于是写了一个根据轮廓来分析圆的算法. 算法思想:findContours()找到图像的轮廓, ...

【opencv学习】【轮廓检测】

【opencv学习】【轮廓检测】相关推荐

最新文章

热门文章