OpenCV识别图形以及常用函数处理

前言
识别图形
常用函数介绍

前言

OpenCV在图像处理与计算机视觉方面有很多通用算法。因此可以用来人脸识别、图形识别、文字识别等等。对于复杂一点识别的可能还涉及到大量的识别训练，最后的匹配比较分类等等。后续可能会介绍文字识别、人脸识别等等。

图形识别

图形识别指的是对常见的几何图形进行识别，它通过opencv进图形处理（二值化，图片灰度化，细化等等），获取图形轮廓特征，然后在应用几何图形特征去识别为几何图形。目前对于自己绘画几何图形并识别总的来说，如果特征找到的好，识别率还是挺高的。

直线绘画
曲线绘画

这两种划线方式对识别曲线来说，误差还是有点大，直线绘画起来没有因手抖动误差，这误差很容易影响到在图形识别处理中识别轮廓处理，从而影响到识别分类。

逻辑处理流程图

Created with Raphaël 2.2.0开始一张图片读取图片图片灰度化图片阈值化图片细化图片轮廓处理依据特征(圆度、凸包等等)确认几何图形图形结束

对于流程图不会的，可以借鉴这片网址与我的代码图。
参考网址:https://blog.csdn.net/cui130/article/details/84840984

st=>start: 开始
e=>end: 结束
io=>inputoutput:  一张图片
st->io
op=>operation:   读取图片
st->io->op
op1=>operation:  图片灰度化
st->io->op->op1
op2=>operation:  图片阈值化
st->io->op->op1->op2
op3=>operation: 图片细化
st->io->op->op1->op2->op3
op4=>operation:      图片轮廓处理
st->io->op->op1->op2->op3->op4
op5=>operation:    依据特征(圆度、凸包等等)确认几何图形
st->io->op->op1->op2->op3->op4->op5
io2=>inputoutput:  图形

常用函数介绍

cvtColor(); 空间颜色转换
void cv::cvtColor(cv::InputArray src, cv::OutputArray dst, int code,int dstCn = 0)。
src: // 输入图
dst: // 输出图
code : // 颜色映射类型，可以查表得到，有很多
dstCn: // 输出的通道数 (0=‘automatic’)，我们可以使用默认值，什么都不写
参考网址：https://blog.csdn.net/liubing8609/article/details/78461488
threhold() 阈值化

src：源图像，可以为8位的灰度图，也可以为32位的彩色图像。（两者由区别）
dst：输出图像
thresh：阈值
maxval：dst图像中最大值
type：阈值类型
参考网址：https://blog.csdn.net/u012566751/article/details/77046445
canny() 边缘检测算法

网址： https://www.cnblogs.com/pacino12134/p/9877971.html

absdiff()
void cvAbsDiff( const CvArr* src1, const CvArr* src2, CvArr* dst );　　
src1　　第一个原数组　　
src2　　第二个原数组　　
dst　　输出数组　　
函数 cvAbsDiff 计算两个数组差的绝对值
approxPolyDP( 多边形逼近)
多边形逼近：
void approxPolyDP(InputArray curve, OutputArray approxCurve, double epsilon, bool closed)；
参数说明：
InputArray curve：输入的点集
OutputArray approxCurve：输出的点集，当前点集是能最小包容指定点集的。draw出来即是一个多边形；
double 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。
bool closed：若为true,则说明近似曲线是闭合的，它的首位都是相连，反之，若为false，则断开。
findContours函数 查找轮廓
findContours( InputOutputArray image, OutputArrayOfArrays contours,
OutputArray hierarchy, int mode,
int method, Point offset=Point());
参考网址：https://blog.csdn.net/dcrmg/article/details/51987348#
convexHull() 函数 针对轮廓进行凸包计算
void convexHull(InputArray points,OutputArray hull,bool clockwise = false,bool returnPoints = true)
参数详解：
InputArray points: 得到的点集，一般是用图像轮廓函数求得的轮廓点
OutputArray hull: 输出的是凸包的二维xy点的坐标值，针对每一个轮廓形成的
bool clockwise = false: 表示凸包的方向，顺时针或者逆时针
bool returnPoint = true: 表示返回点还是点地址的索引
arcLength() 函数 图像轮廓的周长
double arcLength(InputArray curve, bool closed)
参数详解：
InputArray curve：表示图像的轮廓
bool closed：表示轮廓是否封闭的
contourArea()函数轮廓面积
double cv::contourArea ( InputArray contour, bool oriented = false )

contour:是一个向量，二维点，可以是vector或Mat类型
oriented:有默认值false，面向区域标识符，如果为true，该函数返回一个带符号的面积，其正负取决于轮廓的方向(顺时针还是逆时针)。根据这个特性可以根据面积的符号来确定轮廓的位置。如果是默认值false，则面积以绝对值的形式返回.

pointPolygonTest()
此功能可查找图像中的点与轮廓之间的最短距离. 当点在轮廓外时返回负值，当点在内部时返回正值，如果点在轮廓上则返回零.
我们可以检查点（50,50）如下：
dist = cv2.pointPolygonTest（cnt，（50,50），True）
在函数中，第三个参数是measureDist。如果为True，则查找签名距离. 如果为False，则查找该点是在内部还是外部或在轮廓上（它分别返回+1，-1,0）
NOTE
果您不想找到距离，请确保第三个参数为False，因为这是一个耗时的过程. 因此，将其设为False可提供2-3倍的加速.
matchShapes() 形状匹配
结果越低，匹配就越好
功能：根据计算比较两张图像Hu不变距（函数返回值代表相似度大小，完全相同的图像返回值是0，返回值最大是1）
double cvMatchShapes(const void* object1, const void* object2, int method, double parameter = 0);
/*
第一个参数是待匹配的物体1，第二个是待匹配的物体2
第三个参数method有三种输入：
CV_CONTOURS_MATCH_I1
CV_CONTOURS_MATCH_I2
CV_CONTOURS_MATCH_I3
即三种不同的判定物体相似的方法
第四个参数 Parameter 方法的具体参数（暂不支持）
*/
参考网址：https://segmentfault.com/a/1190000015665320
更多参考：https://blog.csdn.net/u013293580/article/details/83896844

如果在用python语言开发：
需要注意：
pip install imutils （图像操作库，缩放，旋转等等）
import cv
opecv在python中使用
https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv （在windows下的python 扩展包）
opencv_python‑3.4.6‑cp37‑cp37m‑win_amd64.whl