OpenCV中提取目标区域并标注(python)

最新推荐文章于 2024-08-20 07:03:15 发布

HL_学编程

最新推荐文章于 2024-08-20 07:03:15 发布

阅读量8.2k

点赞数 10

分类专栏： OpenCV_python 文章标签： opencv python 计算机视觉

本文链接：https://blog.csdn.net/hl_hlt/article/details/113679479

版权

OpenCV_python 专栏收录该内容

5 篇文章 3 订阅

订阅专栏

提取目标区域并标注

前言
一、blob分析
二、有关代码函数的注释与用法

前言

考核题

一、blob分析

名词解释：计算机视觉中的Blob是指图像中的一块连通区域，Blob分析就是对前景/背景分离后的二值图像，进行连通域提取和标记。标记完成的每一个Blob都代表一个前景目标，然后就可以计算Blob的一些相关特征。
blob核心思想
搞清楚了这一点，就知道师兄给的这张图是在为我们减小难度
在这里插入图片描述
前景与后景的差别非常强烈
上代码

import cv2
import numpy as np
 
img = cv2.imread('zuobiao.jpg')
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)#读取并处理为单通道图片，为后续做准备
ret, binary = cv2.threshold(imgray, 127, 255, 0)#阈值处理
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)#查找检测物体的轮廓
for c in contours:
            (x, y, w, h) = cv2.boundingRect(c)
            img = cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 255), 1)  
for i in range(len(contours)):
    mom = cv2.moments(contours[i])#计算中心矩
    pt = (int(mom['m10'] / mom['m00']), int(mom['m01'] / mom['m00']))  # 使用前三个矩m00, m01和m10计算重心
    cv2.circle(img, pt, 2, (0, 0, 255), 2)  # 画红点
    cv2.line(img, (x, y),((pt[0]),(pt[1])), (0, 0, 255),1)#画半径
    text = "(" + str(pt[0]) + ", " + str(pt[1]) + ")"#添加的文字
    cv2.putText(img, text, (pt[0]+10, pt[1]+10), cv2.FONT_HERSHEY_PLAIN, 1.5, (255, 255, 255), 2, 8, 0);#加坐标
    
print("--------- HL分析区域并标注的测试 ---------")    
cv2.imshow("center", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

太多库函数注释要写，放到代码里面会显得头重脚轻，索性单句拿出来一句句分析

首先运行以上代码
会发现这样一个错误
在这里插入图片描述
值错误:没有足够的值解包(应为3，得到2)
OpenCV4.0的说明文档中

我们只需把这句

contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

改为

image, contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

即加上一个参数就好

先放效果图

好的，下面将一些代码注释与用法总结如下

二、有关代码函数的注释与用法

1、cv2.threshold（）阈值处理

imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)#读取并处理为单通道图片，为后续做准备
ret, thresh = cv2.threshold(imgray, 127, 255, 0)#阈值处理

此语句的原型为

cv2.threshold (src, thresh, maxval, type)

Attention：
src：源图片必须是单通道
thresh：阈值，取值范围0～255
maxval：填充色，取值范围0～255
type：阈值类型，具体见下

阈值	小于阈值的像素点	大于阈值的像素点
0	置0	置填充色
1	置填充色	置0
2	保持原色	置灰色
3	置0	保持原色
4	保持原色	置0

因为要进行阈值处理，所以在前面一步需将我的彩色图片变为单通道，也就是灰色
为了深刻理解这个概念，运行是最直观的理解
代码如下：

import cv2

img = cv2.imread('pic.jpg',0)#预处理变为单通道图片
cv2.imshow('org',img)
# 运用二值化处理图片
retVal,img_after = cv2.threshold(img, 100 ,100, cv2.THRESH_BINARY)
cv2.imshow('org_retVal',img_after)

print("变化之前的图像是：\n",img)
print("变化之后的图像是：\n",img_after)

cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述
可以看出，图像中像素大于100的全变成了100，这是因为阈值和填充色我选择了100，而小于100的应该变成0（由于这张图片没有小于100的…所以全为100…）
啊？你说无法说明？emmm那好吧，再来，观察数据，我选择设阈值为110
在这里插入图片描述
这里就能充分说明了，小于110的部分已经置为0了，而大于的部分呢，都变为了100。
在考核题的那串代码中，我将阈值设为127，也就是中间值，而填充色设为255，形成鲜明反差，有利于后续处理。

2、cv2.findContours（）轮廓检测

image, contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

python3这里返回三个值：image,contours,hierarchy

image：一张二值图(binary)，但不是灰度图像,应当是黑白图，只有0和1；
contours：list结构，列表中每个元素代表一个边沿信息。每个元素是(x,1,2)的三维向量，x表示该条边沿里共有多少个像素点，第三维的那个“2”表示每个点的横、纵坐标；
hierarchy：返回类型是(x,4)的二维ndarray。x和contours里的x是一样的意思。如果输入选择cv2.RETR_TREE，则以树形结构组织输出，hierarchy的四列分别对应下一个轮廓编号、上一个轮廓编号、父轮廓编号、子轮廓编号，该值为负数表示没有对应项；

括号中的参数我绘制了一个表格如下表：

cv2.RETR_EXTERNAL	只检测外轮廓
cv2.RETR_LIST	只检测外轮廓
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

简单试试这个函数

import cv2
 
img = cv2.imread('pic.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
cv2.imshow("img", binary)
image,contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img,contours,-1,(0,0,225),1)
print("--------- HL边缘检测的测试 ---------")
cv2.imshow("binary", binary)
cv2.waitKey(0)

在这里插入图片描述

3、cv2.boundingRect©矩形边框

(x, y, w, h) = cv2.boundingRect(c)

矩形边框（Bounding Rectangle）是用一个最小的矩形，把找到的形状包起来。
在cv2.boundingRect(cnt)这个函数中

cnt是一个轮廓点集合，也就是它的参数，可以通过cv2.findContours获取；
返回四个值，分别是x，y，w，h；
x，y是矩阵左上点的坐标；
w，h是矩阵的宽和高；

img = cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 255), 1)

函数原型：cv2.rectangle(img, pt1, pt2, color[, thickness[, lineType[,
shift]]])

img：要画的圆所在的矩形或图像
pt1：矩形左上角的点
pt2：矩形右下角的点
color：线条颜色，如 (0, 255, 255) 黄色，BGR
thickness：线条宽度
lineType：8 (or omitted) ： 8-connected line 4：4-connected line CV_AA - antialiased line
shift：坐标点小数点位数

4、cv2.moments()图像的矩

参数如下：
图像的矩可以帮助我们计算图像的质心，面积等
M = cv2.moments(cnt)
根据这些矩的值，我们可以计算出对象的重心：
cx = int(M[‘m10’]/M[‘m00’])
cy = int(M[‘m01’]/M[‘m00’])

pt = (int(mom['m10'] / mom['m00']), int(mom['m01'] / mom['m00']))  # 使用前三个矩m00, m01和m10计算重心

5、cv2.circle（）画圆心

函数原型：cv2.circle(img, center, radius, color[, thickness[, lineType[,
shift]]])

作用就是根据给定的圆心和半径等画圆

img：输入的图片data
center：圆心位置
radius：圆的半径
color：圆的颜色
thickness：圆形轮廓的粗细（如果为正）。负厚度表示要绘制实心圆
lineType：圆边界的类型。
shift：中心坐标和半径值中的小数位数。

cv2.circle(img, pt, 2, (0, 0, 255), 2)

画红点啦当然通道应为（0，0，255）红色，过年就要喜气~

6、 cv2.line（）画直线

 cv2.line(img, (x, y),((pt[0]),(pt[1])), (0, 0, 255),1)

这个是我自作主张加上去的…

函数原型：img=cv.line(img, pt1, pt2, color[, thickness[, lineType[, shift]]])

用途：给定一个图像img，连接点pt1和pt2的坐标，在图中画一条直线，color表明线的颜色，thickness是线条粗细
所以我的起点是前面刚画好的圆心，终点是边框的一个点，用红色线连接，细细的一根。

7、cv2.putText（）写文字

text = "(" + str(pt[0]) + ", " + str(pt[1]) + ")"
    cv2.putText(img, text, (pt[0]+10, pt[1]+10), cv2.FONT_HERSHEY_PLAIN, 1.5, (255, 255, 255), 2, 8, 0);