文章目录
1.前言
轮廓检测是计算机检测图像和视频主体轮廓的重要步骤,常用于人脸检测和物体追踪等方向
本节我们将学习:边界、最小矩形及最小外接圆轮廓检测、凸轮廓Douglas-Peucker算法
2.边界、最小矩形及最小外接圆
在Opencv中确定主体的边框、最小外接矩形和圆非常简单
我们只需要使用cv2.findContours()
函数即可完成
2.1程序流程
- 首先,从文件中读取一幅图像,并转换成灰度图
- 对灰度图像阈值化,使之转换为黑白图
为什么?因为cv2.findContours()
函数只能读黑白图,所以需要调用cv2.threshold()
函数,而 阈值函数只能读灰度图
- 针对每一个轮廓寻找并画出边框,最小外接矩形和最小外接圆
- 最后,绘制轮廓并在窗口中显示
代码如下:
import cv2
import numpy as np
img = cv2.imread('hammer.jpg',cv2.IMREAD_UNCHANGED)
img = cv2.pyrDown(img)
img2 = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(img2,127, 255, cv2.THRESH_BINARY)
contours,hier = cv2.findContours(thresh,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
for c in contours:
# 画出边框
x,y,w,h = cv2.boundingRect(c)
cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
# 找到最小外接矩形
rect = cv2.minAreaRect(c)
# 计算最小外接矩形的坐标
box = cv2.boxPoints(rect)
# 将坐标归一化为整数
box = np.int0(box)
# 画图
cv2.drawContours(img,[box],0,(0,0,255),3)
# 计算最小外接圆的半径和圆心
(x,y),radius = cv2.minEnclosingCircle(c)
# 转化为整数
center = (int(x),int(y))
radius = int(radius)
# 画圆
cv2.circle(img,center,radius,(255,0,255),5)
# 画轮廓
cv2.drawContours(img,contours,-1,(255,0,0),3)
cv2.imshow("contour",img)
cv2.waitKey(0)
cv2.destroyAllWindows()
注意:轮廓检测是在黑白图像上进行的,因此该阶段颜色信息已经丢失了。但我们是在原始彩色图像上绘制的,所以显示的是彩色结果
2.2cv2.findContours()函数
cv2.findContours()
函数功能:查找检测物体的轮廓
输入参数:
- 黑白图(thresh),不是灰度图
- 指定函数返回的层次结构树类型
- 轮廓的近似办法
返回值:
- 轮廓本身
- 每条轮廓对应的属性
2.3cv2.drawContours()函数
cv2drawContours()
函数功能:根据cv2.findContours()返回的contours,绘制轮廓
输入参数:
- 输入图像(img)
- 轮廓(contours)
- 绘制轮廓的范围(-1是绘制所有的轮廓线;否则,绘制数组索引的轮廓线)
- 颜色(B,G,R)
- 线宽
2.4bug的发现与解决
在写代码的过程中,发现一个小bug
我将源图片转成黑白图并在这张图上绘制轮廓(而不是在彩色图片上绘制)
如下图,第79行cv2.circle(img,center,radius,(255,0,255),5)
,假设B=0,G、R>0,那么无法绘制圆形轮廓
然而,若B>0时,则会出现想要的轮廓
为什么?
# 画圆,输入参数依次为:1.图片,2.圆心,3.半径,4.颜色,5.线宽(-1表示填充整个圆形)
cv2.circle(img,(300,300),50,(0,0,255),-1)
在cv2.circle()
函数中,第4个参数,若img是彩色图,那么可以用(0,0,255)表示颜色,若img是灰度图,那么只能由一个数(0~255),表示绘制线的亮度
所以,当我在灰度图中,放了一个(0,0,255)/(0,255,0),由于灰度图只读第一个参数(这里读到的是第一个参数—— 0),所以不会绘制任何轮廓
如果我放了(255,0,0),第一个参数不是0,那么就可以绘制出轮廓
3.凸轮廓和Douglas-Peucker算法
处理轮廓时,会遇到各种奇形怪状的图形,这时我们可用下面三条函数绘制轮廓
3.1相关程序
import cv2
import numpy as np
img = cv2.imread('hammer.jpg', cv2.IMREAD_UNCHANGED)
img = cv2.pyrDown(img)
img2 = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(img2, 127, 255, cv2.THRESH_BINARY)
contours, hier = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, -1, (255, 0, 0), 3)
for c in contours:
epsilon = 0.01*cv2.arcLength(c,True)
approx = cv2.approxPolyDP(c,epsilon,True)
# 绘制凸形
hull = cv2.convexHull(c)
cv2.drawContours(img,[c],-1,(0,255,0),2)
cv2.drawContours(img,[approx],-1,(255,0,255),2)
cv2.drawContours(img,[hull],-1,(0,0,255),2)
cv2.imshow("contour", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
先看效果
3.2cv2.approxPolyDP()函数
cv2.approxPolyDP()
函数功能:描绘近似多边形轮廓
输入参数:
- 轮廓
- 原始轮廓和近似多边形之间的最大误差δ值
- 布尔标志,如果是True,表示多边形是闭合的
δ值:δ是近似多边形周长和原始轮廓线周长之差的最大值,δ值越低,近似值越接近原始轮廓
一般我们可以用轮廓的周长作为参考值:
δ = epsilon =0.01*cv2.arcLength(c,True)
epsilon = 0.01*cv2.arcLength(c,True)
approx = cv2.approxPolyDP(c,epsilon,True)
此时,δ 是原弧度的1%
4.结语
本来还想讲一下霍夫变换的,无奈本人才疏学浅,天性愚钝🤔而且霍夫变换的理论部分又晦涩难懂,便留到下一节再讲吧
讲完霍夫变换,入门篇也差不多学完了,接下来打算实战一下,把15篇博客统一整理一下。毕竟蓦然回首当初写的文章,不能说拉跨吧,只能说完全看不下去😅😅😅
或许可以整理成一本书?让我们看看接下来会发生什么哈哈哈哈哈哈🤣🤣🤣