学渣笔记:opencv-python识别图像

import cv2
import numpy as np

引入cv2和numpy包

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

图像堆叠,将多个图像放入一个窗口
参数1:窗口大小
参数2:图像列表

#  根据轮廓获取曲线, 根据曲线获取折线,根据折线获取拐点,根据拐点获取角数
def getContours(img):
    #  找轮廓
    contours, hierarchy = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
    #  遍历每一个轮廓
    for cnt in contours:
        area = cv2.contourArea(cnt)  # 计算图像轮廓面积
        print(area)
        if area > 500:
            cv2.drawContours(imgContour, cnt, -1, (255, 0, 0), 3)  # 画出轮廓
            peri = cv2.arcLength(cnt, True)  # 轮廓长度
            # print(peri)
            approx = cv2.approxPolyDP(cnt, 0.02 * peri, True)  # 拟合轮廓, 返回(一组拐点)角数 (对指定的点集进行多边形拟合)
            print(len(approx))
            objCor = len(approx)  # 得到轮廓角数(拐点数)
            x, y, w, h = cv2.boundingRect(approx)  # 计算轮廓的垂直边界最小矩形 x,y:左上点宽高, w,h:宽高

            if objCor == 3:
                objectType = "Tri"
            elif objCor == 4:  # 区分正方形和矩形
                aspRatio = w / float(h)
                if aspRatio > 0.98 and aspRatio < 1.03:
                    objectType = "Square"
                else:
                    objectType = "Rectangle"
            elif objCor > 4:
                objectType = "Circles"
            else:
                objectType = "None"

            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)


path = 'C:/Users/PC/Desktop/zd3.png' #'Resources/shapes.png'
img = cv2.imread(path)
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)

• 以上代码可以复制到你的编辑器看

函数getcontours:传入一张图片,获取轮廓,进行识别
核心思想:据轮廓获取曲线, 根据曲线获取折线,根据折线获取拐点,根据拐点获取角数

核心函数:

1. cv2.findContours()
   参数1:需要寻找轮廓的图像
   参数2:
   cv2.RETR_EXTERNAL 表示只检测外轮廓
   cv2.RETR_LIST 检测的轮廓不建立等级关系
   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。
   参数3: 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
   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
   返回值1:图像中的轮廓,用numpy中ndarray表示
   返回值2:ndarray,每个轮廓contours[i]对应4个hierarchy元素hierarchy[i][0] ~hierarchy[i][3]，分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号，如果没有对应项，则该值为负数

其他函数的作用已经做了批注,有兴趣的伙伴可以仔细研究.

原图:
效果图: