06- OpenCV查找图像轮廓 (OpenCV系列) (机器视觉)
知识重点
- 灰度图转换: gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
- 二值化: 返回两个东西,一个阈值, 一个是二值化的图: thresh, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
- 查找轮廓: 返回两个结果,分别是轮廓和层级: contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE )
- 描绘轮廓: cv2.drawContours(img_copy, contours, -1, (0, 0, 255), 2) 索引取-1时描绘所有轮廓.
- 轮廓面积计算: area = cv2.contourArea(contours[1]) # print('area: ', area)
- 轮廓周长计算: perimeter = cv2.arcLength(contours[1], closed = False) # perimeter 周长
- 多边形逼近: approx = cv2.approxPolyDP(contours[0], 6, closed = True)
- 凸包计算: hull = cv2.convexHull(contours[0]) 凸包指的是完全包含原有轮廓,并且仅由轮廓上的点所构成的多边形。
- 最小外接矩形: rect = cv2.minAreaRect(contours[1])
- box = cv2.boxPoints(rect)
- box = np.round(box).astype('int64') # 注意坐标必须是整数的, 所以需要转化一下
- cv2.drawContours(img, [box], 0, (255, 0, 0), 2)
最大外接矩形: x, y, w, h = cv2.boundingRect(contours[1]) # 最大外接矩形参数, (x,y), (w, h)
cv2.rectangle(img, (x, y), (x + w, y + h), (0, 0, 255), 2)
外接圆: (a, b), radius = cv2.minEnclosingCircle(contours[1]) # , 返回圆的中心点和半径
cv2.circle(img, (int(a), int(b)), int(radius), (0, 255, 0), 2)
7. 图像轮廓
7.1 什么是图像轮廓
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测和识别中很有用。
轮廓的作用:
用于图形分析
物体的识别和检测
注意点:
为了检测的准确性,需要先对图像进行二值化或Canny操作。
画轮廓时会修改输入的图像, 如果之后想继续使用原始图像,应该将原始图像储存到其他变量中。
7.2 查找轮廓
findContours(image, mode, method[, contours[, hierarchy[, offset]]])
mode 查找轮廓的模式
RETR_EXTERNAL = 0, 表示只检测外围轮廓
RETR_LIST = 1, 检测的轮廓不建立等级关系, 即检测所有轮廓, 较为常用
RETR_CCOMP = 2, 每层最多两级, 从小到大, 从里到外.
RETR_TREE = 3, 按照树型存储轮廓, 从大到小, 从右到左.
import cv2
import numpy as np# 显示黑白,实际为彩图
img = cv2.imread('./contours1.jpeg')
# 先变成单通道的黑白图片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化,返回两个东西,一个阈值, 一个是二值化的图
thresh, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)# 查找轮廓,新版本返回两个结果,分别是轮廓和层级
contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
# 画轮廓是会直接修改原图,如果保证原图不变,建议先拷贝
img_copy = img.copy()
cv2.drawContours(img_copy, contours, -1, (0, 0, 255), 2) # 索引轮廓cv2.imshow('img', img)
cv2.imshow('img_copy', img_copy)
cv2.waitKey(0)
cv2.destroyAllWindows()
- method 轮廓近似方法也叫 ApproximationMode
CHAIN_APPROX_NONE 保存所有轮廓上的点
CHAIN_APPROX_SIMPLE, 只保存角点, 比如四边形, 只保留四边形的4个角, 存储信息少, 比较常用
返回 contours和hierachy 即轮廓和层级
7.3 绘制轮廓
drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]])
image 要绘制的轮廓图像
contours轮廓点
contourIdx 要绘制的轮廓的编号. -1 表示绘制所有轮廓
color 轮廓的颜色, 如 (0, 0, 255)表示红色
thickness 线宽, -1 表示全部填充
import cv2
import numpy as np# 显示黑白,实际为彩图
img = cv2.imread('./contours1.jpeg')
# 先变成单通道的黑白图片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 二值化,返回两个东西,一个阈值, 一个是二值化的图
thresh, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)# 查找轮廓,新版本返回两个结果,分别是轮廓和层级
contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)# 画轮廓是会直接修改原图,如果保证原图不变,建议先拷贝
img_copy = img.copy()
cv2.drawContours(img_copy, contours, 1, (0, 0, 255), 2) # 看1#的轮廓cv2.imshow('img', img)
cv2.imshow('img_copy', img_copy)
cv2.waitKey(0)
cv2.destroyAllWindows()
7.4 轮廓的面积和周长
轮廓面积是指每个轮廓中所有的像素点围成区域的面积,单位为像素。
轮廓面积是轮廓重要的统计特性之一,通过轮廓面积的大小可以进一步分析每个轮廓隐含的信息,例如通过轮廓面积区分物体大小识别不同的物体。在查找到轮廓后, 可能会有很多细小的轮廓, 我们可以通过轮廓的面积进行过滤.
contourArea(contour)
arcLength(curve, closed)
curve即轮廓
closed是否是闭合的轮廓
import cv2
import numpy as np# 显示黑白,实际为彩图
img = cv2.imread('./contours1.jpeg')# 先变成单通道的黑白图片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化,返回两个东西,一个阈值, 一个是二值化的图
thresh, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
# 查找轮廓,新版本返回两个结果,分别是轮廓和层级
contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)# 画轮廓是会直接修改原图,如果保证原图不变,建议先拷贝
img_copy = img.copy()
cv2.drawContours(img_copy, contours, 1, (0, 0, 255), 2) # 索引轮廓# 计算轮廓面积
area = cv2.contourArea(contours[1])
print('area: ', area) # area: 74798.0
# 计算轮廓周长
perimeter = cv2.arcLength(contours[1], closed = False)
print('perimeter: ',perimeter) # perimeter: 821.656cv2.imshow('img', img)
cv2.imshow('img_copy', img_copy)
cv2.waitKey(0)
cv2.destroyAllWindows()
7.5 多边形逼近与凸包
findContours后的轮廓信息contours可能过于复杂不平滑,可以用approxPolyDP函数对该多边形曲线做适当近似,这就是轮廓的多边形逼近.apporxPolyDP就是以多边形去逼近轮廓,采用的是Douglas-Peucker算法(方法名中的DP),DP算法原理比较简单,核心就是不断找多边形最远的点加入形成新的多边形,直到最短距离小于指定的精度。
approxPolyDP(curve, epsilon, closed[, approxCurve])
curve 要近似逼近的轮廓
epsilon 即DP算法使用的阈值
closed 轮廓是否闭合
import cv2
import numpy as np# 显示黑白,实际为彩图
img = cv2.imread('./hand.png')
# print(img.shape)
# 先变成单通道的黑白图片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 二值化,返回两个东西,一个阈值, 一个是二值化的图
thresh, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
# 查找轮廓,新版本返回两个结果,分别是轮廓和层级
contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)# 画轮廓是会直接修改原图,如果保证原图不变,建议先拷贝
img_copy = img.copy()
cv2.drawContours(img_copy, contours, 0, (0, 0, 255), 2) # 索引轮廓# 使用多边形逼近,近似模拟多边形的轮廓
approx = cv2.approxPolyDP(contours[0], 6, closed = True)
# approx 本质是一个类型的轮廓
# 画出多边形逼近的轮廓
cv2.drawContours(img_copy, [approx], 0, (0, 255, 0), 2) cv2.imshow('img_copy', img_copy)
cv2.waitKey(0)
cv2.destroyAllWindows()
逼近多边形是轮廓的高度近似,但是有时候,我们希望使用一个多边形的凸包来简化它。凸包跟逼近多边形很像,只不过它是物体最外层的凸多边形。凸包指的是完全包含原有轮廓,并且仅由轮廓上的点所构成的多边形。凸包的每一处都是凸的,即在凸包内连接任意两点的直线都在凸包的内部。在凸包内,任意连续三个点的内角小于180°。
convexHull(points[, hull[, clockwise[, returnPoints]]])
points 即轮廓
colckwise 顺时针绘制
import cv2
import numpy as npimg = cv2.imread('./hand.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化
therth, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
# 查找轮廓
contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
# 绘制轮廓
cv2.drawContours(img, contours, 0, (0, 0, 255), 2)# 计算凸包
hull = cv2.convexHull(contours[0])
# 画出凸包
cv2.drawContours(img, [hull], 0, (255, 0, 0), 2)cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
7.6 外接矩形及外接圆
外接矩形分为最小外接矩形和最大外接矩形.
下图中红色矩形是最小外接矩形, 绿色矩形为最大外接矩形.
minAreaRect(points) 最小外接矩阵
points 即为轮廓
返回元组, 内容是一个旋转矩形(RotatedRect)的参数: 矩形的起始坐标x,y, 矩形的宽度和高度, 矩形的选择角度.
boundingRect(points) 最大外接矩阵
points 即为轮廓a
cv2.minEnclosingCircle(points) 最小外接圆
import cv2
import numpy as npimg =cv2.imread('./hello.jpeg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化
thersh, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)# rect是一个Rotated Rect 旋转的矩形, 矩形的起始坐标(x,y), 矩形的长宽, 矩形旋转角度
rect = cv2.minAreaRect(contours[1])
# 其实就是帮我们把旋转矩阵的4个坐标点计算出来了.
# 注意坐标必须是整数的, 所以需要转化一下
box = cv2.boxPoints(rect)
# 四舍五入
box = np.round(box).astype('int64')
# 绘制最小外接矩形
cv2.drawContours(img, [box], 0, (255, 0, 0), 2)# 最大外接矩形, 返回最大外接矩形的参数, (x,y), (w, h)
x, y, w, h = cv2.boundingRect(contours[1])
cv2.rectangle(img, (x, y), (x + w, y + h), (0, 0, 255), 2)# 外接圆, 返回圆的中心点和半径
(a, b), radius = cv2.minEnclosingCircle(contours[1])
# 画出圆
cv2.circle(img, (int(a), int(b)), int(radius), (0, 255, 0), 2)cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
06- OpenCV查找图像轮廓 (OpenCV系列) (机器视觉)相关推荐
- opencv 利用图像轮廓函数填充圆环内部 图像轮廓函数应用小例子
实验: import cv2 as cv import numpy as np# 1.读入圆环 img = cv.imread('circle_ring.jpg') img_gray = cv.cvt ...
- opencv 绘制图像轮廓
图像轮廓概念 轮廓是一系列相连的点组成的曲线,代表了物体的基本外形. 谈起轮廓不免想到边缘,它们确实很像.简单的说,轮廓是连续的,边缘并不全都连续(下图).其实边缘主要是作为图像的特征使用,比如可以用 ...
- 使用Python,OpenCV查找图像中的最亮点
Python,OpenCV找出图像中的最亮点 1. 原理 2. 优化 3. 效果图 4. 源码 参考 这篇博客将向您展示如何使用Python和OpenCV查找图像中的最亮点,以及应用单行预处理代码-- ...
- OpenCV检测图像轮廓
轮廓只不过是图像中连接的曲线,或者图像中连通部分的边界,轮廓通常以图像中的边缘来计算,但是,边缘和轮廓的区别在于轮廓是闭合的,而边缘可以是任意的.边缘的概念局限于点及其邻域像素,轮廓将目标作为整体进行 ...
- OpenCV中图像轮廓检测
OpenCV中图像轮廓检测 通过之前的Canny方法可以得到图像的边界,但是我们无法得到边界的数学信息.所以就有了今天的图像轮廓检测. 在OpenCV中图像轮廓检测的API: findContours ...
- Python+OpenCV:图像轮廓
Python+OpenCV:图像轮廓 轮廓是什么? 轮廓可以简单地解释为一条连接所有连续点(沿边界)的曲线,具有相同的颜色和强度. 轮廓线是形状分析.目标检测和识别的重要工具. 为了获得更好的精度,可 ...
- 我的Qt作品(7)使用Qt+OpenCV实现图像轮廓提取,再用三阶贝塞尔曲线拟合成光滑线条/多边形拟合
一.贝塞尔曲线基础知识 给一系列顶点,如果只是用直线将其中的各个点依次连接起来,最终形成一个折线图,这种很容易实现.但是现实中事物的变化往往具有连续的特性,即使是给定了一系列离散的点,基于以往的生活经 ...
- opencv:图像轮廓检测-细胞轮廓
对于下面的图像,进行细胞(有彩色的都是细胞)的轮廓识别,要求分割尽可能准确,轮廓是封闭的曲线. 个人的思路: 第一:通过opencv读取图片: 第二:对原图进行灰度化处理,简化矩阵,提高处理速度: 第 ...
- OpenCV | OpenCV检测图像轮廓
步骤 读取图像为灰度图像. 使用cv2.threshold()函数获取阈值图像. 使用cv2.findContours()并传递阈值图像和必要的参数. findContours()返回轮廓.您可以将其 ...
最新文章
- 关于卷积的6个基本知识
- mysql client 5.1.34_mysql最新版
- js中执行到一个if就停止的代码_Node.JS实战64:ES6新特性:Let和Const。
- 一维正态分布、二维正态分布的matlab实现
- 射影几何笔记6:齐次坐标下“点-线”几何关系
- 剑指Offer #04 重建二叉树(递归)
- 重学算法第三期|数据结构与算法001
- 微软白皮书发布:在IIS7.5中用Service Bus端点寄宿WCF服务
- 从零开始学PowerShell(8)创建一个进度条
- Android 系统(275)---紧急号码的管理及客制化方法
- SDRAM之持续中。。。。。。
- oracle添加两个约束,Oracle添加表约束的2种方法
- 使用Windows Server 2003搭建ASP网站001
- c语言约瑟夫环分析报告,约瑟夫环C语言实现验证报告.doc
- 100+个程序员开发必备参考手册(在线及下载)
- 三极管放大电路基础知识
- iOS 10越狱设备终于有越狱移除工具了!
- MATLAB疲劳检测系统
- unity3d 嵌入 移动MM SDK 闪退的问题
- 基于clamp.js封装vue指令,处理多行文本的溢出