OpenCV-图像轮廊二

最新推荐文章于 2022-11-16 17:06:43 发布

牛油果在岗

最新推荐文章于 2022-11-16 17:06:43 发布

阅读量241

点赞数 2

分类专栏： OpenCV 文章标签： opencv

本文链接：https://blog.csdn.net/h6111/article/details/117486348

版权

本文深入探讨了OpenCV中图像轮廓的凸包概念，介绍了如何使用cv2.convexHull()获取凸包并用cv2.polylines()绘制。接着讨论了凸缺陷检测，通过宽高比和Extent来描述轮廓特性。此外，还讲解了如何利用cv2.minMaxLoc()找到最大最小值及位置，以及cv2.mean()计算平均颜色和灰度。最后，提到了极点检测和轮廓特征在实际应用中的价值。

摘要由CSDN通过智能技术生成

凸包

逼近多边形是轮廊的高度相似，但是有时候，我们希望使用一个多边形的凸包来简化它，凸包跟逼近多边形很相似，只不过它是物体最外层的“凸”多边形。凸包指的是完全包含原有轮廊，并且仅有轮廊上的点所构成的多边形。凸包的每一处都是凸的，即在凸包内连接任意两点的直线都在凸包的内部。在凸包内，任意连接三个点的内角小于180°
1.使用cv2.convexHull()函数，实现图像轮廓凸包的获取。
2.使用cv2.polylines()函数，实现图像轮廓凸包的绘制。

凸包的绘制

cv2.polylines(src, [points], isClosed,color, thickness)

src：要处理的图像。
points：点集。
isClosed：布尔型，True表示的是线段闭合，False表示的是仅保留线段。
color：线段颜色，格式是（B,G,R）值。
thickness：数值型，厚度，默认值为1，如果对封闭图形，正方形，三角形等传入-1,则会填充整个图形。

import cv2
img = cv2.imread('contours2.png', 1)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary,cv2.RETR_LIST,cv2.CHAIN_APPROX_NONE)
cnt = contours[0]
hull = cv2.convexHull(cnt)
cv2.polylines(img,[hull],True,(255,0,0),2)
cv2.imshow('line', img)
cv2.waitKey()
cv2.destroyAllWindows()

在这里插入图片描述

实物凸包检测

import cv2
img = cv2.imread('hand.png', 1)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 60, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary,cv2.RETR_LIST,cv2.CHAIN_APPROX_NONE)
n=len(contours)    
contoursImg=[]
x=0 
for i in range(n):
    area = cv2.contourArea(contours[i])
    if area>10000:    
        print(f"轮廓{i}的面积：\n{area}")
        x=i
cnt = contours[x]
cv2.imshow("binary",binary)
hull = cv2.convexHull(cnt)
cv2.polylines(img,[hull],True,(0,255,0),2)
cv2.drawContours(img,contours,x,(0,0,255), 3)
#显示图片
cv2.imshow('line', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

凸缺陷的概念

凸包与轮廓之间的部分，称为凸缺陷。轮廓上距离这条线最远的
点就是凸缺陷的点。

convexityDefects = cv2.convexityDefects(contour, convexhull)

contour：轮廓。
convexhull：凸包.

import cv2
o = cv2.imread('contours2.png') 
gray = cv2.cvtColor(o,cv2.COLOR_BGR2GRAY) 
ret, binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY) 
contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

cnt = contours[0]
hull = cv2.convexHull(cnt,returnPoints = False)            
defects = cv2.convexityDefects(cnt,hull)         

for i in range(defects.shape[0]):
    s,e,f,d = defects[i,0]     
    start = tuple(cnt[s][0])           # 得到的是索引，要再轮廓中选出来
    end = tuple(cnt[e][0])
    far = tuple(cnt[f][0])
    cv2.line(o,start,end,[0,0,255],2)
    cv2.circle(o,far,5,[255,0,0],-1)

cv2.imshow('result',o)
cv2.waitKey(0)
cv2.destroyAllWindows(