使用Python、OpenCV计算轮廓的中心

1. 使用Python、OpenCV计算轮廓的中心并标记
2. 使用Python、OpenCV检测轮廓的形状并标记
3. 使用颜色通道统计信息来标记形状的实际颜色并标记

本博客的目标：（1）检测图像中每个形状的轮廓，然后（2）计算轮廓的中心-也称为质心。

计算轮廓/形状区域的中心；

仅使用轮廓属性识别出各种形状，例如圆形，正方形，矩形，三角形和五边形；

标记形状的颜色；

效果图：

1. 图像预处理部分

考虑到图像是人为绘制或者剪切的，圆形不够圆，方形不够方，矩形也不是完全矩形；首先进行轮廓提取；
（1）转换为灰度图；
（2）高斯模糊处理以减少高频噪声，从而使轮廓检测过程更加精确；
（3）图像的二值化，通常会使用边缘检测和阈值化，这里用阈值化方法；通过调整适当的参数，把图像由背景黑色前景彩色调整成为背景黑色前景轮廓区域为白色。

2. 轮廓检测

检测轮廓后，计算轮廓区域的图像矩；获取轮廓的中心；并绘制在图像上；

在计算机视觉和图像处理中，图像矩 通常用于表征图像中对象的形状。这些力矩捕获了形状的基本统计特性，包括对象的面积，质心（即对象的中心（x，y）坐标），方向以及其他所需的特性。对于处理分隔后的图像尤其有用；

# python center_of_shape.py --image shapes_and_colors.png# 导入必要的包
import argparse
import imutils
import cv2# 构建命令行参数
# --image 要处理的图像路径
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=True,help="path to the input image")
args = vars(ap.parse_args())# 加载图像，转换为灰度，使用5 x 5内核进行高斯平滑处理，阈值化
image = cv2.imread(args["image"])
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
thresh = cv2.threshold(blurred, 60, 255, cv2.THRESH_BINARY)[1]# 注意，在应用阈值化之后，形状是如何在黑色背景上表示为白色前景。
# 下一步是使用轮廓检测找到这些白色区域的位置：
cnts = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
cnts = imutils.grab_contours(cnts)# 遍历轮廓集
for c in cnts:# 计算轮廓区域的图像矩。 在计算机视觉和图像处理中，图像矩通常用于表征图像中对象的形状。这些力矩捕获了形状的基本统计特性，包括对象的面积，质心（即，对象的中心（x，y）坐标），方向以及其他所需的特性。M = cv2.moments(c)cX = int(M["m10"] / M["m00"])cY = int(M["m01"] / M["m00"])# 在图像上绘制轮廓及中心cv2.drawContours(image, [c], -1, (0, 255, 0), 2)cv2.circle(image, (cX, cY), 7, (255, 255, 255), -1)cv2.putText(image, "center", (cX - 20, cY - 20),cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255), 2)# 展示图像cv2.imshow("Image", image)cv2.waitKey(0)

参考：

https://www.pyimagesearch.com/2016/02/01/opencv-center-of-contour/

使用Python、OpenCV计算轮廓的中心相关推荐

如何利用OpenCV寻找轮廓的中心？
简介: 本文介绍了利用OpenCV和Python编程来计算形状轮廓的中心点.当然后面还会继续给出如何通过轮廓来分辨物体形状种类,以及对于各自的颜色进行标准. 关键词: OpenCV,contours ...
OpenCV——计算轮廓长度/周长和面积
轮廓面积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. double contourArea( InputArray contour, bool oriented = false ) ...
python+opencv 计算图片的感知hash值，来计算汉明距离，简单的找相似图片
感知哈希算法是一类算法的总称,包括aHash.pHash.dHash.顾名思义,感知哈希不是以严格的方式计算Hash值,而是以更加相对的方式计算哈希值,因为"相似"与否,就是一种相 ...
Python，OpenCV应用轮廓逼近算法，检测对象的形状
上一篇博客,我们学习了如何利用Python.OpenCV计算轮廓的中心,这一节学习仅运用轮廓的基本属性来检测其形状,三角形,正方形,矩形,五边形,圆. (1)利用轮廓逼近,将曲线上的点数减少为更简单的 ...
python图片相似度计算_python Opencv计算图像相似度过程解析
这篇文章主要介绍了python Opencv计算图像相似度过程解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下一.相关概念一般我们人区分谁是谁 ...
python open-cv 基础知识总结（三）
上一章:python open-cv 基础知识总结(二) 1. 轮廓中心计算本教程的目标是 (1) 检测图像中每个形状的轮廓, (2) 计算轮廓的中心 -也称为区域的质心 . 为了实现这些目 ...
计算轮廓的特征参数（周长、面积、圆形度、周径比等）
使用C++.opencv计算轮廓的周长.面积.圆形度.周径比等特征参数图像的特征参数用于图像的模式识别(图像识别),获取越多种类的特征参数,可从中选择合适的进行组合,进而更好地区分各个物体. 之前介 ...
使用Python和OpenCV对轮廓进行排序（从左到右，自上而下）
使用Python和OpenCV对轮廓进行排序(从左到右,自上而下) 1. 效果图 2. 原理 3. 源码参考使用轮廓来构建移动文档扫描仪. 使用轮廓来检测图像中的条形码. 利用轮廓来找到从相机到物 ...
python opencv轮廓提取_Python + Opencv2 实现轮廓提取，轮廓区域面积计算
对图像处理时,会遇到这样一个场景:找到图像主体轮廓,这是其一,可能为了凸显轮廓,需要用指定的颜色进行标记:轮廓标记完可能任务还没有结束,还需对轮廓所勾勒的像素面积区域统计计算. 本篇文章的主要内容就是 ...

使用Python、OpenCV计算轮廓的中心

1. 图像预处理部分

2. 轮廓检测

使用Python、OpenCV计算轮廓的中心相关推荐

最新文章

热门文章