opencv python 识别图形轮廓

目的：

1. 识别并框选出图片中红色的几何图形，分辨出各是什么图形（不允许用鼠标操作）。

2. 将红色图形中心连线，计算连线围成图形的面积。

代码如下：

import cv2
import sys
import cmath
import numpy
#读取图像
areas = list()
x= list()
y = list()
img1 = cv2.imread("E:/a/qw.jpg")
(B,G,R) = cv2.split(img1)
retal , img2 = cv2.threshold(R,0,255,cv2.THRESH_OTSU)
contours, hierarachy = cv2.findContours(img2,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
for i in range(len(contours)):#cv2.drawContours(img1,contours,i,(0,0,255),10)area = cv2.contourArea(contours[i],False)areas.append(area)
areas.sort(reverse=True)
for i in range(len(contours)):area = cv2.contourArea(contours[i],False)if area > areas[5]:if area < areas[1]:print(i)epsilon = 0.02 * cv2.arcLength(contours[i], True)approx = cv2.approxPolyDP(contours[i],epsilon,True)cv2.polylines(img1,[approx],True,(0,0,255),10)M = cv2.moments(contours[i])cx = int(M["m10"]/M["m00"])cy = int(M["m01"]/M["m00"])x.append(cx)y.append(cy)if len(approx) > 4:print("圆形")text = "y"elif len(approx) == 3:print("三角形")text = "s"elif len(approx) == 4:print("矩形")text = "j"cv2.putText(img1,text,(cx,cy),cv2.FONT_HERSHEY_PLAIN,10,(0, 255, 0),5)
S = (1/2)*(x[0]*y[1]-x[0]*y[2]+x[1]*y[2]-x[1]*y[0]+x[2]*y[0]-x[1]*y[1])
print("s=%d"%S)
pts = numpy.array([[x[0],y[0]],[x[1],y[1]],[x[2],y[2]]])
pts = pts.reshape((-1,1,2))
cv2.polylines(img1,[pts],True,(255, 0, 0),10)
cv2.namedWindow("RED",cv2.WINDOW_NORMAL)
cv2.imshow("RED",img1)
cv2.waitKey(0)
cv2.destroyAllWindows()

首先：

读取文件中的图片，注意：文件地址的斜杠要是/或\\,否则会报错

img1 = cv2.imread("E:/a/qw.jpg")

我们用imshow函数来显示图片的时候会发现图片过大屏幕显示不完

cv2.imshow("RED",img1)

比如这样，所以我们需要将图像变形以便更合适显示在我们的屏幕，利用下面的函数就可以舒服的显示我们的图像啦

cv2.namedWindow("RED",cv2.WINDOW_NORMAL)

标志参数	作用
WINDOW_AUTOSIZE	根据图像大小显示窗口，不允许用户调整大小
WINDOW_FREERATIO	窗口大小自适应比例
WINDOW_KEEPRATIO	保持图像的比例
WINDOW_NORMAL	显示图像后，允许用户随意调整窗口大小

进行图片的通道分离：利用split函数来分离出蓝、绿、红三种颜色的灰度图

(B,G,R) = cv2.split(img1)

这个是红色分离后的图像，可以看出红色的地方已经变成白色或灰色

然后经过图像二值化函数threshold()得到黑白的图像（二值图），从而把红色更好的提出

retal , img2 = cv2.threshold(R,0,255,cv2.THRESH_OTSU)

寻找图形轮廓，把刚刚得到的二值图放进函数，在二值图中寻找轮廓，返回每个轮廓的点contours

contours, hierarachy = cv2.findContours(img2,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

通过这个轮廓得到的点去画出得到的轮廓利用drawContours来画出：

cv2.drawContours(img1,contours,i,(0,0,255),10)

我们发现有很多的噪声需要消掉，我们通过判断面积来将不是红色轮廓的其他轮廓消除，不难看出红色的三个图形轮廓的面积在全部轮廓中排名3，4，5.所以我们通过contourArea（）函数求出每个轮廓的面积并把他们放在areas列表中。

    area = cv2.contourArea(contours[i],False)areas.append(area)

这是把其他轮廓去除之后的图形

我们发现这三分个轮廓，每个轮廓都是由很多个轮廓点组成，但是确实像矩形可以只用四个轮廓点表示，三角形可以只用三个轮廓点表示就可以了，所以下一步为了方便我们检测图形是否是三角形、圆形还是矩形，我们需要对轮廓点进行优化，所以我们就用到了approxPolyDP函数

            epsilon = 0.02 * cv2.arcLength(contours[i], True)approx = cv2.approxPolyDP(contours[i],epsilon,True)

在这里epsilon作为一个参数，这个需要调一下。0.02就是调出来的。具体参考：

opencv 使用approxPolyDP轮廓近似_brooknew的专栏-CSDN博客

再利用polylines()函数来画出轮廓点之间的连线

cv2.polylines(img1,[approx],True,(0,0,255),10)

效果如下：

然后根据轮廓点的个数就可以判断是什么形状啦。

下一步我们寻找红色图形的中心点，用moments()函数求出图形的矩，并求出每个图形的重心，详细可以看

Python OpenCV findContours()函数与drawContours()函数用法_dz4543的博客-CSDN博客_drawcontours()参数说明

 M = cv2.moments(contours[i])cx = int(M["m10"]/M["m00"])cy = int(M["m01"]/M["m00"])

然后根据三点求面积公式就可以求出三个重心围成的面积

S=(1/2)*(x1y2*1+x2y3*1+x3y1*1-x1y3*1-x2y1*1-x3y2*1)

S = (1/2)*(x[0]*y[1]-x[0]*y[2]+x[1]*y[2]-x[1]*y[0]+x[2]*y[0]-x[1]*y[1])

然后利用polylines()函数连接三个重心

pts = numpy.array([[x[0],y[0]],[x[1],y[1]],[x[2],y[2]]])
pts = pts.reshape((-1,1,2))
cv2.polylines(img1,[pts],True,(255, 0, 0),10)

在这里reshape()是为了规范参数形式，让pts自适应维度大小。

最终的图形为

本文章是作者为了记录学习过程而写，如果有错误请大家指正。

opencv python 识别图形轮廓相关推荐

Python模拟登录，Python识别图形验证码实现自动登陆
前言利用Python识别图形验证码,selenium模块实现自动登陆.废话不多说. 让我们愉快地开始吧~ 开发工具 Python版本: 3.6.4 相关模块: re: numpy模块: pytess ...
opencv python 识别视频水印_opencv+python实现视频实时质心读取
利用opencv+python实现以下功能: 1)获取实时视频,分解帧频: 2)将视频做二值化处理: 3) 将视频做滤波处理(去除噪点,获取准确轮廓个数): 4)识别图像轮廓: 5)计算质心: 6)描 ...
OpenCV+Python识别车牌和字符分割
本篇文章主要基于python语言和OpenCV库(cv2)进行车牌区域识别和字符分割,开篇之前针对在python中安装opencv的环境这里不做介绍,可以自行安装配置! 车牌号检测需要大致分为四个部分 ...
使用opencv+python识别七段数码显示器的数字识别
# 导入必要的包 from imutils.perspective import four_point_transform from imutils import contours import im ...
python 识别图形验证码_Python验证码识别
大致介绍在python爬虫爬取某些网站的验证码的时候可能会遇到验证码识别的问题,现在的验证码大多分为四类: 1.计算验证码 2.滑块验证码 3.识图验证码 4.语音验证码这篇博客主要写的就是识图验 ...
python 识别图形验证码_Python图片验证码降噪处理实例！此乃识别验证码神技！...
图片验证码算是网络数据采集上的一道拦路虎,虽然有诸多公开的ORC接口.云打码平台,一旦大规模应用起来,还是内部写程序进行识别处理比较好. 而自己写代码进行识别的话,又有很多种方案,比如最近火热的神经网 ...
python 识别图形验证码_python爬虫20 | 小帅b教你如何用python识别图片验证码
当你在爬取某些网站的时候对于你的一些频繁请求对方会阻碍你常见的方式就是使用验证码验证码的主要功能就是区分你是人还是鬼(机器人) 人想法设法的搞一些手段来对付技术而技术又能对付人们的想法 ...
数字图像处理使用opencv+python识别七段数码显示器的数字
一.什么是七段数码显示器七段LCD数码显示器有很多叫法:段码液晶屏.段式液晶屏.黑白笔段屏.段码LCD液晶屏.段式显示器.TN液晶屏.段码液晶显示器.段码屏幕.笔段式液晶屏.段码液晶显示屏.段式LC ...
opencv+python识别猪
背景:在车载监控回传的视频里判断该车里是否有猪解决思路:在回传视频里做物体识别,如果有猪就框出来并且给出一个代表值 day1 2021-10-27 设想:物体识别,并且在图中框出来猪 1.找正样本 ...
Python识别图形验证码
import ddddocr from selenium import webdriver from selenium.webdriver.common.by import By from del_p ...

opencv python 识别图形轮廓

opencv python 识别图形轮廓相关推荐

最新文章

热门文章