【轮廓检测详解】

轮廓检测详解

目标

掌握轮廓检测和分析的基本方法，包括轮廓检测的基本步骤、轮廓的属性计算以及轮廓的绘制与分析。

知识点

1. 轮廓检测概述

• 定义 ：轮廓检测是图像处理中的一个关键步骤，用于识别图像中的物体边界。
• 应用 ：广泛应用于目标识别、图像分析、形状分类等领域。

2. 轮廓检测的基本步骤

1. 图像预处理 ：
• 转换为灰度图像 ：使用 rgb2gray 函数将彩色图像转换为灰度图像。
• 去除噪声 ：使用高斯滤波器去除图像中的噪声，如 imgaussfilt 函数。
• 边缘检测 ：使用边缘检测算法（如Canny）检测图像中的边缘，生成边缘图像。

2. 轮廓提取 ：
• 使用 imcontour 函数检测图像中的轮廓，返回轮廓的坐标信息

3. 轮廓分析 ：
• 计算轮廓属性 ：使用 regionprops 函数计算轮廓的面积、周长、偏心率等属性。
• 绘制轮廓 ：使用 plot 函数在图像上绘制轮廓。

3. 轮廓的属性

• 面积（Area） ：轮廓包围的区域大小。
• 周长（Perimeter） ：轮廓的长度。
• 偏心率（Eccentricity） ：描述轮廓的形状，范围在0到1之间，0表示完全圆形，1表示完全拉长的椭圆。

4. 轮廓的绘制与分析

• 绘制轮廓 ：在图像上绘制轮廓，便于直观观察。
• 分析轮廓属性 ：根据轮廓的属性进行分类或识别。

示例代码

1. 读取图像并进行预处理
   matlab

% 读取图像
img = imread('peppers.png');
% 转换为灰度图像
grayImg = rgb2gray(img);
% 去除噪声（高斯滤波）
filteredImg = imgaussfilt(grayImg, 1); % 标准差为1
% 应用Canny边缘检测
edgeImg = edge(filteredImg, 'Canny', [0.1, 0.2], 3); % 标准差为3，低阈值0.1，高阈值0.2
% 显示结果
figure;
subplot(1, 2, 1);
imshow(filteredImg);
title('Filtered Image');
subplot(1, 2, 2);
imshow(edgeImg);
title('Edge Detection');

代码解释 ：
• rgb2gray 函数用于将彩色图像转换为灰度图像。
• imgaussfilt 函数用于应用高斯滤波，去除噪声。
• edge 函数用于进行Canny边缘检测，参数包括图像、算法名称、高低阈值和高斯滤波器尺寸。

运行结果：

2. 轮廓检测与绘制
   matlab

% 检测轮廓
contours = imcontour(filteredImg, 10); % 检测10个轮廓
% 绘制轮廓
figure;
imshow(filteredImg);
hold on;
plot(contours);
title('Contours');

代码解释 ：
• imcontour 函数用于检测图像中的轮廓，参数包括图像和检测的轮廓数量。
• plot 函数用于在图像上绘制轮廓。

运行结果：

3. 轮廓属性计算
   matlab

% 计算轮廓的属性
stats = regionprops(contours, 'Area', 'Perimeter', 'Eccentricity');
% 显示属性
for i = 1:length(stats)
fprintf('Contour %d:\n', i);
fprintf('Area: %d\n', stats(i).Area);
fprintf('Perimeter: %d\n', stats(i).Perimeter);
fprintf('Eccentricity: %f\n', stats(i).Eccentricity);
end

代码解释 ：
• regionprops 函数用于计算轮廓的属性，参数包括轮廓和需要计算的属性。
• fprintf 函数用于显示每个轮廓的属性。

运行结果：

示例二：

% 读取图像
img = imread('coins.png'); % 使用MATLAB内置的coins.png图像

% 转换为灰度图像
grayImg = rgb2gray(img);

% 应用阈值分割生成二值图像
binaryImg = imbinarize(grayImg);

% 提取轮廓
boundaries = bwboundaries(binaryImg);

% 显示原始图像和二值图像
figure;
subplot(1, 2, 1);
imshow(grayImg);
title('Grayscale Image');
subplot(1, 2, 2);
imshow(binaryImg);
title('Binary Image');

% 计算并显示轮廓属性
figure;
imshow(img);
hold on;
for k = 1:length(boundaries)
    boundary = boundaries{k}; % 获取第k个轮廓的坐标
    plot(boundary(:, 2), boundary(:, 1), 'r', 'LineWidth', 2); % 绘制轮廓

    % 计算面积
    area = polyarea(boundary(:, 2), boundary(:, 1));
    
    % 计算周长
    perimeter = sum(sqrt(sum(diff(boundary).^2, 2)));
    
    % 输出属性
    fprintf('轮廓 %d: 面积 = %.2f, 周长 = %.2f\n', k, area, perimeter);
end
hold off;
title('Contours with Properties');

% 使用regionprops计算更多属性
stats = regionprops(binaryImg, 'Area', 'Perimeter', 'Circularity');
disp('使用regionprops计算的属性：');
disp(stats);

代码讲解
1、图像预处理
• imread(‘coins.png’)：读取图像（这里使用MATLAB内置的coins.png）。
• rgb2gray：转换为灰度图像。
• imbinarize：自动阈值分割生成二值图像。
2、轮廓提取
• bwboundaries(binaryImg)：从二值图像中提取所有轮廓，返回一个单元数组，每个元素是一个轮廓的坐标矩阵。
• 坐标格式为 [行, 列]，即 [y, x]。
3、轮廓绘制
• 使用 plot 在原始图像上绘制轮廓，boundary(:, 2) 是x坐标，boundary(:, 1) 是y坐标。
4、属性计算
• 面积：polyarea 计算多边形面积。
• 周长：通过计算轮廓点间距离的和来近似周长。
• regionprops：更方便地计算面积、周长和圆形度等属性。
5、显示结果
• 显示原始灰度图像、二值图像和带轮廓的图像。
• 在命令窗口输出每个轮廓的面积和周长。

运行结果：

练习

1. 轮廓检测与绘制 ：

• 读取一张图像，进行预处理，检测并绘制轮廓。
matlab

% 读取图像
img = imread('peppers.png');
% 转换为灰度图像
grayImg = rgb2gray(img);
% 去除噪声（高斯滤波）
filteredImg = imgaussfilt(grayImg, 1);
% 检测轮廓
contours = imcontour(filteredImg, 10);
% 绘制轮廓
figure;
imshow(filteredImg);
hold on;
plot(contours);
title('Contours');

运行结果：

2. 轮廓属性分析 ：

• 计算检测到的轮廓的面积、周长和偏心率，进行分析。
matlab

% 计算轮廓的属性
stats = regionprops(contours, 'Area', 'Perimeter', 'Eccentricity');
% 显示属性
for i = 1:length(stats)
fprintf('Contour %d:\n', i);
fprintf('Area: %d\n', stats(i).Area);
fprintf('Perimeter: %d\n', stats(i).Perimeter);
fprintf('Eccentricity: %f\n', stats(i).Eccentricity);
end

运行结果：

3. 复杂场景下的轮廓检测 ：

• 处理一张包含多个物体的图像，检测并分析不同物体的轮廓。
matlab

% 读取图像
img = imread('coins.png'); % 假设有一张包含多个硬币的图像
% 转换为灰度图像
grayImg = rgb2gray(img);
% 去除噪声（高斯滤波）
filteredImg = imgaussfilt(grayImg, 1);
% 应用Canny边缘检测
edgeImg = edge(filteredImg, 'Canny', [0.1, 0.2], 3);
% 检测轮廓
contours = imcontour(filteredImg, 20); % 检测20个轮廓
% 绘制轮廓
figure;
imshow(filteredImg);
hold on;
plot(contours);
title('Contours');
% 计算轮廓的属性
stats = regionprops(contours, 'Area', 'Perimeter', 'Eccentricity');
% 显示属性
for i = 1:length(stats)
fprintf('Contour %d:\n', i);
fprintf('Area: %d\n', stats(i).Area);
fprintf('Perimeter: %d\n', stats(i).Perimeter);
fprintf('Eccentricity: %f\n', stats(i).Eccentricity);
end

运行结果：

总结

通过今天的学，我掌握了轮廓检测和分析的基本方法。轮廓检测是图像处理中的重要环节，能够帮助我提取图像中的物体