计算机视觉OpenCV(五)：图像金字塔与轮廓检测

图像金字塔

1. 高斯金字塔(Gaussian Pyramid)

首先将原图像作为最底层图像 G0（高斯金字塔的第0层），利用高斯核（5 * 5）对其进行卷积，然后对卷积后的图像进行下采样（去除偶数行和列）得到上一层图像 G1，将此图像作为输入，重复卷积和下采样操作得到更上一层图像，反复迭代多次，形成一个金字塔形的图像数据结构，即高斯金字塔。

向下采样方法（缩小）：pyrDown 函数
向上采样方法（放大）：pyrUp 函数

cv2.pyrDown() 从一个高分辨率大尺寸的图像向上构建一个金字塔（尺寸变小，分辨率降低）

cv2.pyrDown(src, dst=None, dstsize=None, borderType=None)

cv2.pyrUp() 从一个低分辨率小尺寸的图像向下构建一个金子塔（尺寸变大，但分辨率不会)

cv2.pyrUp(src, dst=None, dstsize=None, borderType=None)

import cv2
import matplotlib.pyplot as plt
%matplotlib inlineimg = cv2.imread("atongmu.jpg")
up = cv2.pyrUp(img) #向上采样
down = cv2.pyrDown(img) #向下采样plt.imshow(img)
# plt.imshow(up)
# plt.imshow(down)
print("原图：" + str(img.shape))
print("放大：" + str(up.shape))
print("缩小：" + str(down.shape))

2. 拉普拉斯金字塔(Laplacian Pyramid)

LP = image - pyrUp(pyrDown(image))
用来从金字塔低层图像重建上层未采样图像，在数字图像处理中也即是预测残差，可以对图像进行最大程度的还原，配合高斯金字塔一起使用。

import cv2
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inlinedef cv_show(name,img):cv2.imshow(name,img)cv2.waitKey(0)cv2.destroyAllWindows()img = cv2.imread("atongmu.jpg")
down_up = cv2.pyrUp(cv2.pyrDown(img))
LP = img - down_up
cv_show("Laplacian Pyramid",LP)
plt.imshow(LP)

图像轮廓

1. 查找检测物体的轮廓

image, contours, hierarchy = cv2.findContours(img, mode, method)

参数：
（1）图像
（2）mode 轮廓检索方式：
cv2.RETR_EXTERNAL：只检测外轮廓；
cv2.RETR_LIST：检索所有的轮廓，并将其保存到一条链表当中；
cv2.RETR_CCOMP：建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层。
cv2.RETR_TREE：建立一个等级树结构的轮廓。
（3）method 轮廓逼近方法：
cv2.CHAIN_APPROX_NONE：存储所有的轮廓点，相邻的两个点的像素位置差不超过 1，即 max(abs(x1-x2)，abs(y2-y1))==1
cv2.CHAIN_APPROX_SIMPLE：压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需 4 个点来保存轮廓信息
cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS 使用 teh-Chinl chain 近似算法
返回值：
（1）image 其实与输入参数的img原图没啥区别
（2）轮廓本身
（3）每条轮廓对应的属性
注意： cv2.findContours() 函数接受的参数为二值图，即黑白的（不是灰度图），所以读取的图像要先转成灰度的，再转成二值图。

2. 绘制轮廓

cv2.drawContours(image, contours, contourIdx, color,thickness)

参数：
（1）需要绘制轮廓的图像；
（2）轮廓本身，在 Python 中是一个 list。
（3）指定绘制轮廓 list 中的哪条轮廓，如果是 -1 则绘制其中的所有轮廓。
（4）颜色
（5）轮廓线的宽度（厚度），如果是 -1（cv2.FILLED）则为填充模式。

例如：img 是图像，contours 是轮廓，-1 表示全画，然后是颜色，厚度

cv2.drawContours(img,contours,-1,(0,255,0),3)

img = cv2.imread("star.png")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 灰度图
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) #二值化阈值
#查找检测物体的轮廓
image,contours,hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
draw_img = img.copy() #注意需要copy,否则原图会变
#绘制图像轮廓
res = cv2.drawContours(draw_img, contours, -1, (0, 0, 255), 2)
cv_show("star",res)
plt.imshow(res)

3. 轮廓特征

cnt = contours[0]
area = cv2.contourArea(cnt) #面积
len = cv2.arcLength(cnt,True) #周长，True表示闭合的
print("面积：" + str(area))
print("周长：" + str(len))

4. 轮廓近似

approxPolyDP() 函数是 opencv 中对指定的点集进行多边形逼近的函数

approx = cv2.approxPolyDP(curve, epsilon, closed)

返回值 approx：输出的点集，当前点集是能最小包容指定点集的，画出来即是一个多边形。
参数：
（1）curve：输入的点集
（2）epsilon：指定的精度，也即是原始曲线与近似曲线之间的最大距离。
（3）closed：若为 true，则说明近似曲线是闭合的；若为 false，则断开。

#import、函数cv_show与前面一样，省略，仅修改下面
img = cv2.imread("star.png")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)image, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
cnt = contours[0] #点集
epsilon = 0.001*cv2.arcLength(cnt,True) #精度
approx = cv2.approxPolyDP(cnt,epsilon,True) #逼近draw_img = img.copy()
res = cv2.drawContours(draw_img, [approx], -1, (0, 0, 255), 2)
cv_show("star",res)
plt.imshow(res)

5. 边界矩形

用一个最小的矩形，把找到的形状包起来

x,y,w,h = cv2.boundingRect(img)

参数：img 是一个二值图
返回值 x，y，w，h：x、y 是矩阵左上点的坐标，w、h 是矩阵的宽和高

画矩形：

cv2.rectangle(img, (x,y), (x+w,y+h), (0,255,0), 2)

参数：
（1）img 是原图
（2）(x，y) 是矩阵的左上点坐标
（3）(x+w，y+h) 是矩阵的右下点坐标
（4）画线对应的 rgb 颜色
（5）线的宽度

#import、函数cv_show与前面一样，省略，仅修改下面
img = cv2.imread("star.png")gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
image,contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
cnt = contours[0]#画出最小的矩形框架
x,y,w,h = cv2.boundingRect(cnt)
img = cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)cv_show("img",img)
plt.imshow(img)

6. 外接圆

cv2.minEnclosingCircle() 得到包含二维点集的最小圆

(x,y),radius = cv2.minEnclosingCircle(cnt)

返回值：圆形的中心坐标，最小圆的半径（均为 float 型）
参数：输入的二维点集

绘制圆 cv2.circle()

cv2.circle(img, center, radius, color, thickness)

参数：img 背景图，center 圆心，radius 半径，color 颜色，thickness 线粗细

#import、函数cv_show与前面一样，省略，仅修改下面
img = cv2.imread("star.png")gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
image,contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
cnt = contours[0](x,y),radius = cv2.minEnclosingCircle(cnt) #最小圆
center = (int(x),int(y))
radius = int(radius)
img_1 = cv2.circle(img,center,radius,(0,255,0),2) #画圆
cv_show("img",img_1)
plt.imshow(img_1)

7. 扩展（画图）

（1）cv2.line() 画线
参数：图像，起点，终点，颜色，线条宽度

cv2.line(img,(10,10),(200,200),(0,255,0),3)

（2）cv2.circle() 画圆
参数：图像，圆心，半径，颜色，线条宽度

cv2.circle(img,(60,60),30,(0,0,213),-1)

（3）cv2.rectangle() 画矩形
参数：图像，左上顶点，右下顶点，颜色，线条宽度

cv2.rectangle(img,(10,10),(30,40),(134,2,34),1)

（4）cv2.ellipse() 椭圆
参数：图像，中心点位置，长轴和短轴的长度，椭圆沿逆时针选择角度，顺时针起始角度，顺时针结束角度，颜色，线条宽度

cv2.ellipse(img,(256,256),(100,50),0,0,180,(20,213,79),-1)

（5）cv2.putText() 文字绘制
参数：图像，绘制的文字，左上角坐标，字型，字体大小，文字颜色，线条宽度

cv2.putText(img,’OpenCV’,(80,90), font, 2,(255,255,255),3)

（6）cv2.polylines() 多边形 — 需要指定每个顶点的坐标
参数：图像，点集，是否闭合，颜色，线条宽度

cv2.polylines(img,[pts],True,(0,0,255),1)

import cv2
import matplotlib.pyplot as plt
%matplotlib inlineimg = cv2.imread('white_board.png')
img_2 = img.copy()#直线 - 绿色
cv2.line(img_2,(10,10),(200,200),(0,255,0),3)
#圆 - 天蓝
cv2.circle(img_2,(200,200),30,(0,150,210),2)
#矩形 - 红色
cv2.rectangle(img_2,(150,60),(300,110),(255,0,0),5)
#椭圆 - 实心淡绿
cv2.ellipse(img_2,(300,150),(80,30),0,0,360,(170,228,170),-1)
#文字 - 黑色
font = cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(img_2, 'OpenCV', (150, 40), font, 1, (0, 0, 0), 2)
#多边形 - 蓝色
#定义四个顶点坐标，必须为np.int32
pts = np.array([[50, 100],  [10, 175], [100, 200], [100, 120]], np.int32)
pts = pts.reshape((-1, 1, 2)) #顶点个数：4，矩阵变成4*1*2维
cv2.polylines(img_2, [pts], True, (0, 0, 255), 3)plt.imshow(img_2)

本笔记记录学习OpenCV，若有错误，欢迎批评指正，学习交流。