2-2 opencv实战进阶系列 多边形识别

目录

一、不说废话，先上现象 

 二、前言

三、思路讲解

step1：用阈值编辑器对图像进行处理。

step2：应用阈值进行二值化

step3：轮廓查找

step4： 显示文字

四、完整代码贴出

五、现象展示

六、结语

---

一、不说废话，先上现象 

细心的人可以发现第二张图有几个四边形没有被识别到，至于原因下面会给出解释

 二、前言

本项目中，我们需要用到上个项目（2-1）中制作的阈值编辑器来对图形的颜色进行阈值提取，便于在代码中进行分割。

三、思路讲解

step1：用阈值编辑器对图像进行处理。

可以发现，对于重叠的图形需要，更加严格限制阈值才能将它们分离开，但是这样又会让掩膜覆盖掉阈值之外的图形。

解决方法是设置多个阈值对图片分割处理，让所有的图形都能够被识别到，最后对处理后的多个图像进行叠加。本文只展现一个阈值的处理，上述思路可自行尝试。

取灰度阈值（0,250） 

step2：应用阈值进行二值化

# 导入所需的库
import cv2
# 读取输入图像
img = cv2.imread('test3.png')
# 将图像转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化灰度图像
mask_gray = cv2.inRange(gray, 0, 250)

step3：轮廓查找

# 找到轮廓
contours,hierarchy = cv2.findContours(mask_gray, cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
print("检测到的轮廓数量:",len(contours))

for cnt in contours:
   approx = cv2.approxPolyDP(cnt, 0.01*cv2.arcLength(cnt, True), True)
   if len(approx) == 4:
      img = cv2.drawContours(img, [cnt], -1, (0,170,255), 3)

• cv2.findContours()函数用于在二值图像中找到所有轮廓（contours）。
  • cv2.RETR_TREE：检索所有轮廓，并重构嵌套轮廓的层级关系（即父子关系）。
  • cv2.CHAIN_APPROX_SIMPLE：只保存轮廓的拐点，从而减少内存使用。
  • contours：轮廓列表，每个轮廓由一系列点的坐标组成。
  • hierarchy：层次信息，描述轮廓的嵌套结构。

• cv2.approxPolyDP()对轮廓进行多边形拟合，将轮廓点近似为一组直线段：
  • cv2.arcLength(cnt, True)计算轮廓的周长（曲线长度）。
  • 0.01 * cv2.arcLength()指定多边形拟合精度（越小拟合得越精确）。
  • True表示轮廓是闭合的。
  • approx是拟合的多边形轮廓。

• cv2.drawContours()函数在原图像上绘制轮廓：
  • img：目标图像。
  • [cnt]：轮廓的列表。
  • -1：绘制所有轮廓点。
  • (0, 170, 255)：轮廓颜色（BGR格式）。
  • 3：线条的厚度。

step4： 显示文字

      # 计算三角形质心
      M = cv2.moments(cnt)
      if M['m00'] != 0.0:
         x = int(M['m10']/M['m00'])
         y = int(M['m01']/M['m00'])
      cv2.putText(img, 'Rectangle', (x, y), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 0, 0), 2)

cv2.putText()函数在图像的质心位置添加标签“Rectangle”：

• (x, y)：标签文本的位置。
• cv2.FONT_HERSHEY_SIMPLEX：字体类型。
• 0.6：字体大小。
• (0, 0, 0)：文字颜色。
• 2：文字的粗细。

四、完整代码贴出

# 导入所需的库
import cv2

# 读取输入图像
img = cv2.imread('test3.png')

# 将图像转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 应用二值化将灰度图像转换为二进制图像
mask_gray = cv2.inRange(gray, 0, 250)

# 找到轮廓
contours,hierarchy = cv2.findContours(mask_gray, cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
print("检测到的轮廓数量:",len(contours))

for cnt in contours:
   approx = cv2.approxPolyDP(cnt, 0.01*cv2.arcLength(cnt, True), True)
   if len(approx) == 4:
      img = cv2.drawContours(img, [cnt], -1, (0,170,255), 3)

      # 计算三角形质心
      M = cv2.moments(cnt)
      if M['m00'] != 0.0:
         x = int(M['m10']/M['m00'])
         y = int(M['m01']/M['m00'])
      cv2.putText(img, 'Rectangle', (x, y), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 0, 0), 2)

cv2.imshow("mask_gray",mask_gray)
cv2.imshow("Shapes", img)

cv2.waitKey(0)
cv2.destroyAllWindows()

五、现象展示

将此处修改为： if len(approx) == 10:

五角星被识别

六、结语

文章所展示的只是对图像中四边形的识别，若要同时对多个图形进行识别，可以增加多个判断条件“elif len(approx) == 5:” ，大家可以自行尝试。

博文到此结束，写得模糊或者有误之处，欢迎小伙伴留言讨论与批评