opencv项目4---识别物体形状及轮廓并作显示

该博客介绍了如何利用OpenCV进行图像处理,包括灰度化、模糊化、二值化和边缘检测。通过查找和绘制轮廓,作者展示了如何识别图像中的形状,并计算其面积和周长。对于轮廓面积大于500的形状,进行了近似处理和形状判断,如三角形、矩形和其它形状。最后,将处理后的图像进行堆栈显示。
摘要由CSDN通过智能技术生成
import cv2
import numpy as np
#用来进行图像的堆栈代码,可以复制使用
def stackImages(scale,imgArray):
    rows = len(imgArray)
    cols = len(imgArray[0])
    rowsAvailable = isinstance(imgArray[0], list)
    width = imgArray[0][0].shape[1]
    height = imgArray[0][0].shape[0]
    if rowsAvailable:
        for x in range ( 0, rows):
            for y in range(0, cols):
                if imgArray[x][y].shape[:2] == imgArray[0][0].shape [:2]:
                    imgArray[x][y] = cv2.resize(imgArray[x][y], (0, 0), None, scale, scale)
                else:
                    imgArray[x][y] = cv2.resize(imgArray[x][y], (imgArray[0][0].shape[1], imgArray[0][0].shape[0]), None, scale, scale)
                if len(imgArray[x][y].shape) == 2: imgArray[x][y]= cv2.cvtColor( imgArray[x][y], cv2.COLOR_GRAY2BGR)
        imageBlank = np.zeros((height, width, 3), np.uint8)
        hor = [imageBlank]*rows
        hor_con = [imageBlank]*rows
        for x in range(0, rows):
            hor[x] = np.hstack(imgArray[x])
        ver = np.vstack(hor)
    else:
        for x in range(0, rows):
            if imgArray[x].shape[:2] == imgArray[0].shape[:2]:
                imgArray[x] = cv2.resize(imgArray[x], (0, 0), None, scale, scale)
            else:
                imgArray[x] = cv2.resize(imgArray[x], (imgArray[0].shape[1], imgArray[0].shape[0]), None,scale, scale)
            if len(imgArray[x].shape) == 2: imgArray[x] = cv2.cvtColor(imgArray[x], cv2.COLOR_GRAY2BGR)
        hor= np.hstack(imgArray)
        ver = hor
    return ver


#轮廓contour
# 特征feature
# 面积area
# 弧长perimeter
# 图像矩image moment
def getContours(img):
    #img是二值图像
    contours,hierarchy = cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)#返回值一个是轮廓本身,还有一个是每条轮廓对应的属性。

    for cnt in contours:
        area = cv2.contourArea(cnt)#求得轮廓的面积
        #输出轮廓的面积
        print('轮廓的面积',area)

        if area>500:
            cv2.drawContours(imgContour, cnt, -1, (255, 0, 0), 3)
            #计算轮廓周长
            peri = cv2.arcLength(cnt,True)#这个函数的第二参数可以用来指定对象的形状是闭合(True),还是打开的(一条曲线)

            print('轮廓的周长',peri)

            #轮廓近似
            approx = cv2.approxPolyDP(cnt,0.02*peri,True)#输出的是多边形的顶点坐标

            print(approx)
            #输出坐标的个数
            print(len(approx))
            objCor = len(approx)
            #获得图像的最小矩形信息
            x, y, w, h = cv2.boundingRect(approx)
            #判断输出坐标的个数
            if objCor ==3: objectType ="sjx"
            elif objCor == 4:
                aspRatio = w/float(h)

                if aspRatio >0.98 and aspRatio <1.02: objectType= "zfx"

                else:objectType="jx "

            elif objCor>4: objectType= "y"

            else:objectType="None"
            #画出三角形并和文本
            cv2.rectangle(imgContour,(x,y),(x+w,y+h),(0,255,0),2)
            cv2.putText(imgContour,objectType,(x+(w//2)-10,y+(h//2)-10),cv2.FONT_HERSHEY_COMPLEX,0.7,(0,0,0),2)


img = cv2.imread('shapes.png')
imgContour = img.copy()
imgGray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
imgBlur = cv2.GaussianBlur(imgGray,(7,7),1)
imgCanny = cv2.Canny(imgBlur,50,50)
getContours(imgCanny)
imgBlank = np.zeros_like(img)
imgStack = stackImages(0.8,([img,imgGray,imgBlur],
                            [imgCanny,imgContour,imgBlank]))
cv2.imshow("Stack", imgStack)
cv2.waitKey(0)

通过对opencv基础知识的学习,我们利用简单的函数进行对物体形状及轮廓进行识别和显示,基本操作是:

对图片进行一系列操作(灰度化,模糊化,二值化,提取边缘轮廓),并进行轮廓的寻找和绘制,通过轮廓可以获得角点的坐标并进行形状的判断,最后输出相应的形状类型。

原图片如下:

 

 仅供学习参考,如有不足,敬请指正!

  • 3
    点赞
  • 26
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenCV是一种开源的计算机视觉库,它提供了许多现代计算机视觉技术的实现方式。OpenCV中的目标检测是指检测输入图像中的物体或目标,然后将其从背景中分离出来。在OpenCV中,对象检测可以通过各种算法来实现,例如Haar级联和HOG算法。 要在OpenCV识别物体输出坐标,我们需要首先加载输入图像,使用现有的OpenCV算法进行目标检测,然后将目标位置信息转换为图像坐标或像素坐标。 首先,我们需要加载输入图像。在OpenCV中,可以使用imread函数来加载图像,该函数读取图像文件并将其存储为Mat对象。 接下来,我们需要定义一个目标检测器来检测输入图像中的目标。在OpenCV中,我们可以使用各种算法来实现目标检测,例如Haar级联和HOG算法。对于Haar级联算法,我们可以使用CascadeClassifier类来实现目标检测。 一旦我们有检测器,我们可以使用detectMultiScale函数来执行目标检测。该函数将返回在输入图像中检测到的目标的矩形列表。 然后,我们需要将返回的矩形坐标转换为图像坐标或像素坐标。我们可以简单地计算每个矩形的中心坐标,然后将其输出到控制台或保存到文件中。 最后,我们可以使用imshow函数显示带有检测到的目标的输入图像。这样,我们就可以可视化目标检测结果,并检查算法的准确性。 综上所述,OpenCV是一个功能强大且易于使用的计算机视觉库,它提供了许多现代计算机视觉技术的实现方式。在OpenCV中,我们可以使用各种算法来实现目标检测,并将检测到的目标位置信息转换为图像坐标或像素坐标。通过使用OpenCV,我们可以轻松地实现物体识别输出坐标
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值