opencv之图像轮廓(二)--轮廓拟合

于 2024-09-11 22:15:50 发布
阅读量1k 收藏 27
点赞数 13
分类专栏： opencv 文章标签： opencv 计算机视觉 人工智能
本BLOG上原创文章未经本人许可，不得用于商业用途。转载请注明出处，否则保留追究法律责任的权利。
本文链接：https://blog.csdn.net/hola173841439/article/details/142151645
版权

文章目录

前言

在计算轮廓时，可能并不需要实际的轮廓，而仅需要一个接近于轮廓的近似多边形。OpenCV提供了多种计算轮廓近似多边形的方法。

矩形包围框

函数cv2.boundingRect()能够绘制轮廓的矩形边界。该函数的语法格式为：

retval = cv2.boundingRect( array )

式中：

  • ● 返回值retval表示返回的矩形边界的左上角顶点的坐标值及矩形边界的宽度和高度。
  • ● 参数array是灰度图像或轮廓。该函数还可以是具有4个返回值的形式：

该函数还可以是具有4个返回值的形式：

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

这里的4个返回值分别表示：

  • 矩形边界左上角顶点的x坐标。
  • 矩形边界左上角顶点的y坐标。
  • 矩形边界的x方向的长度。
  • 矩形边界的y方向的长度。

【例1】设计程序，显示函数cv2.boundingRect()不同形式的返回值。根据题目的要求，编写代码如下：

import cv2
#---------------读取并显示原始图像------------------
o = cv2.imread('cc.bmp')
#---------------提取图像轮廓------------------
gray = cv2.cvtColor(o, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray,127,255, cv2.THRESH_BINARY)
image, contours, hierarchy = cv2.findContours(binary,
                                              cv2.RETR_LIST,
                                              cv2.CHAIN_APPROX_SIMPLE)
#---------------返回顶点及边长------------------
x, y, w, h = cv2.boundingRect(contours[0])
print("顶点及长宽的点形式：")
print("x=", x)
print("y=", y)
print("w=", w)
print("h=", h)
#---------------仅有一个返回值的情况------------------
rect = cv2.boundingRect(contours[0])
print("\n顶点及长宽的元组（tuple）形式：")
print("rect=", rect)

【例2】使用函数cv2.drawContours()绘制矩形包围框。根据题目的要求，编写代码如下：

# import cv2
# #---------------读取并显示原始图像------------------
# o = cv2.imread('aa1.jpeg')
# #---------------提取图像轮廓------------------
# gray = cv2.cvtColor(o, cv2.COLOR_BGR2GRAY)
# ret, binary = cv2.threshold(gray,127,255, cv2.THRESH_BINARY)
# # image, contours, hierarchy = cv2.findContours(binary,
# #                                               cv2.RETR_LIST,
# #                                               cv2.CHAIN_APPROX_SIMPLE)
# contours, hierarchy = cv2.findContours(binary,
#                                                cv2.RETR_LIST,
#                                                cv2.CHAIN_APPROX_SIMPLE)
# #---------------返回顶点及边长------------------
# x, y, w, h = cv2.boundingRect(contours[0])
# print("顶点及长宽的点形式：")
# print("x=", x)
# print("y=", y)
# print("w=", w)
# print("h=", h)
# #---------------仅有一个返回值的情况------------------
# rect = cv2.boundingRect(contours[0])
# print("\n顶点及长宽的元组（tuple）形式：")
# print("rect=", rect)


import cv2
import numpy as np

# ---------------读取并显示原始图像------------------
o = cv2.imread('C:\\Users\\Administrator\\Desktop\\caonima.png')
cv2.imshow("original", o)
# ---------------提取图像轮廓------------------
gray = cv2.cvtColor(o, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary,
                                               cv2.RETR_LIST,
                                               cv2.CHAIN_APPROX_SIMPLE)
# ---------------构造矩形边界------------------
x, y, w, h = cv2.boundingRect(contours[0])
brcnt = np.array([[[x, y]], [[x + w, y]], [[x + w, y + h]], [[x, y + h]]])
cv2.drawContours(o, [brcnt], -1, (255, 255, 255), 2)
# ---------------显示矩形边界------------------
cv2.imshow("result", o)
cv2.waitKey()
cv2.destroyAllWindows()

我试了很多图像 只有这张找到了轮廓包围框
在这里插入图片描述

  • 左图是原始图像o。
  • 右图是在原始图像外绘制矩形包围框后的结果。

【例3】使用函数cv2.boundingRect()及cv2.rectangle()绘制矩形包围框。函数cv2.rectangle()可以用来绘制矩形。

根据题目的要求，编写代码如下：

import cv2
o = cv2.imread('C:\\Users\\Administrator\\Desktop\\caonima.png')
cv2.imshow("original", o)
# ---------------提取图像轮廓------------------
gray = cv2.cvtColor(o, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary,
                                               cv2.RETR_LIST,
                                               cv2.CHAIN_APPROX_SIMPLE)
# ---------------构造矩形边界------------------
x, y, w, h = cv2.boundingRect(contours[0])
cv2.rectangle(o, (x, y), (x + w, y + h), (255, 255, 255), 2)
# ---------------显示矩形边界------------------
cv2.imshow("result", o)
cv2.waitKey()
cv2.destroyAllWindows()

在这里插入图片描述

最小包围矩形框

函数cv2.minAreaRect()能够绘制轮廓的最小包围矩形框，其语法格式为：

retval =cv2.minAreaRect( points )

式中：

  • 返回值retval表示返回的矩形特征信息。
    • 该值的结构是(最小外接矩形的中心(x, y), (宽度，高度)，旋转角度)。
  • 参数points是轮廓。

需要注意，返回值retval的结构不符合函数cv2.drawContours()的参数结构要求。因此，必须将其转换为符合要求的结构，才能使用。函数cv2.boxPoints()能够将上述返回值retval转换为符合要求的结构。函数cv2.boxPoints()的语法格式是：

points = cv2.boxPoints( box )

式中：

  • 返回值points，是能够用于函数cv2.drawContours()参数的轮廓点。
  • 参数box是函数cv2.minAreaRect()返回值的类型的值。

【例4】使用函数cv2.minAreaRect()计算图像的最小包围矩形框。根据题目的要求，编写代码如下：

import cv2
import numpy as np
o = cv2.imread('C:\\Users\\Administrator\\Desktop\\caonima.png')
cv2.imshow("original", o)
gray = cv2.cvtColor(o, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray,127,255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary,
                                              cv2.RETR_LIST,
                                              cv2.CHAIN_APPROX_SIMPLE)
rect = cv2.minAreaRect(contours[0])
print("返回值rect:\n", rect)
points = cv2.boxPoints(rect)
print("\n转换后的points:\n", points)
points = np.int32(points)  #取整
image=cv2.drawContours(o, [points],0, (255,255,255),2)
cv2.imshow("result", o)
cv2.waitKey()
cv2.destroyAllWindows()

在这里插入图片描述

  • 左图是原始图像o。
  • 右图显示了最小包围矩形框。

同时，程序还会输出如下结果：
在这里插入图片描述

从输出结果可以看出：

  • 返回值rect表示返回的矩形特征信息。该值的结构是(最小外接矩形的中心(x, y), (宽度，高度)，旋转角度)
  • 转换后的points是一些点，是能够用作函数cv2.drawContours()参数的轮廓点。

最小包围圆形

函数cv2.minEnclosingCircle()通过迭代算法构造一个对象的面积最小包围圆形。该函数的语法格式为：

center, radius = cv2.minEnclosingCircle( points )

式中：

  • 返回值center是最小包围圆形的中心。
  • 返回值radius是最小包围圆形的半径。
  • 参数points是轮廓。

【例5】使用函数cv2.minEnclosingCircle()构造图像的最小包围圆形。

根据题目的要求，编写代码如下：

import cv2
o = cv2.imread('cc.bmp')
cv2.imshow("original", o)
gray = cv2.cvtColor(o, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray,127,255, cv2.THRESH_BINARY)
image, contours, hierarchy = cv2.findContours(binary,
cv2.RETR_LIST,
cv2.CHAIN_APPROX_SIMPLE)
(x, y), radius = cv2.minEnclosingCircle(contours[0])
center = (int(x), int(y))
radius = int(radius)
cv2.circle(o, center, radius, (255,255,255),2)
cv2.imshow("result", o)
cv2.waitKey()
cv2.destroyAllWindows()

在这里插入图片描述

  • 左图是图像o。
  • 右图是含有最小包围圆形的图像。

最优拟合椭圆

在OpenCV中，函数cv2.fitEllipse()可以用来构造最优拟合椭圆。该函数的语法格式是：

retval = cv2.fitEllipse( points )

式中：

  • 返回值retval是RotatedRect类型的值。这是因为该函数返回的是拟合椭圆的外接矩形，retval包含外接矩形的质心、宽、高、旋转角度等参数信息，这些信息正好与椭圆的中心点、轴长度、旋转角度等信息吻合。
  • 参数points是轮廓。

【例6】使用函数cv2.fitEllipse()构造最优拟合椭圆。

本例需要使用函数cv2.ellipse()根据函数cv2.fitEllipse()的返回值绘制最优拟合椭圆。

根据题目的要求，编写代码如下：

import cv2

o = cv2.imread('C:\\Users\\Administrator\\Desktop\\caonima.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_LIST,
                                              cv2.CHAIN_APPROX_SIMPLE)
cv2.imshow("original", o)
ellipse = cv2.fitEllipse(contours[0])
print("ellipse=", ellipse)
cv2.ellipse(o, ellipse, (0, 255, 0), 3)
cv2.imshow("result", o)
cv2.waitKey()
cv2.destroyAllWindows()

翻车了 家人们
在这里插入图片描述

最优拟合直线

在OpenCV中，函数cv2.fitLine()用来构造最优拟合直线，该函数的语法格式为：

line = cv2.fitLine( points, distType, param, reps, aeps )

式中line为返回值，是返回的最优拟合直线参数。式中的参数如下：

  • points：轮廓。
  • distType：距离类型。拟合直线时，要使输入点到拟合直线的距离之和最小，其类型如表1所示。
    在这里插入图片描述
表1
  • param：距离参数，与所选的距离类型有关。当此参数被设置为0时，该函数会自动选择最优值。
  • reps：用于表示拟合直线所需要的径向精度，通常该值被设定为0.01。
  • aeps：用于表示拟合直线所需要的角度精度，通常该值被设定为0.01。

用处不大，代码就不搞了

最小外包三角形

在OpenCV中，函数cv2.minEnclosingTriangle()用来构造最小外包三角形。该函数的语法格式为：

retval, triangle = cv2.minEnclosingTriangle( points )

式中有两个返回值：

  • retval：最小外包三角形的面积。
  • triangle：最小外包三角形的三个顶点集。式中的参数points是轮廓。

式中的参数points是轮廓。

【例8】使用函数cv2.minEnclosingTriangle()构造最小外包三角形。根据题目的要求，编写代码如下：

import cv2
import numpy as np

# 读取图像
o = cv2.imread('C:\\Users\\Administrator\\Desktop\\caonima.png')

# 显示原图
cv2.imshow("original", o)

# 转为灰度图
gray = cv2.cvtColor(o, cv2.COLOR_BGR2GRAY)

# 二值化处理
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 查找轮廓
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)

# 计算最小外接三角形
area, trgl = cv2.minEnclosingTriangle(contours[0])

# 打印面积和三角形顶点
print("area =", area)
print("trgl:", trgl)

# 绘制三角形
for i in range(3):
    pt1 = tuple(np.int32(trgl[i][0]))  # 转为整数
    pt2 = tuple(np.int32(trgl[(i + 1) % 3][0]))  # 转为整数
    cv2.line(o, pt1, pt2, (255, 255, 255), 2)

# 显示结果
cv2.imshow("result", o)
cv2.waitKey()
cv2.destroyAllWindows()

在这里插入图片描述

  • 左图是图像o。
  • 右图是包含最小外包三角形的图像。

逼近多边形

函数cv2.approxPolyDP()用来构造指定精度的逼近多边形曲线。该函数的语法格式为：

approxCurve = cv2.approxPolyDP( curve, epsilon, closed )

式中，返回值approxCurve为逼近多边形的点集。

式中的参数如下：

  • curve是轮廓。
  • epsilon为精度，原始轮廓的边界点与逼近多边形边界之间的最大距离。
  • closed是布尔型值。该值为True时，逼近多边形是封闭的；否则，逼近多边形是不封闭的。

函数cv2.approxPolyDP()采用的是Douglas-Peucker算法（DP算法）。该算法首先从轮廓中找到距离最远的两个点，并将两点相连（见图1的(b)）。接下来，在轮廓上找到一个离当前直线最远的点，并将该点与原有直线连成一个封闭的多边形，此时得到一个三角形，如图1中的( c )图所示。

在这里插入图片描述

图1

将上述过程不断地迭代，将新找到的距离当前多边形最远的点加入到结果中。当轮廓上所有的点到当前多边形的距离都小于函数cv2.approxPolyDP()的参数epsilon的值时，就停止迭代。最终可以得到如图1的(f)图所示的处理结果。

通过上述过程可知，epsilon是逼近多边形的精度信息。通常情况下，将该精度设置为多边形总长度的百分比形式。

【例9】使用函数cv2.approxPolyDP()构造不同精度的逼近多边形。

根据题目的要求，编写代码如下：

import cv2

# ----------------读取并显示原始图像-------------------------------
o = cv2.imread('C:\\Users\\Administrator\\Desktop\\caonima.png')
o = cv2.resize(o, (300, 300))  # 调整大小到 300x300
cv2.imshow("original", o)
# ----------------获取轮廓-------------------------------
gray = cv2.cvtColor(o, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary,
                                              cv2.RETR_LIST,
                                              cv2.CHAIN_APPROX_SIMPLE)
# ----------------epsilon=0.1*周长-------------------------------
adp = o.copy()
epsilon = 0.1 * cv2.arcLength(contours[0], True)
approx = cv2.approxPolyDP(contours[0], epsilon, True)
adp = cv2.drawContours(adp, [approx], 0, (0, 0, 255), 2)
cv2.imshow("result0.1", adp)
# ----------------epsilon=0.09*周长-------------------------------
adp = o.copy()
epsilon = 0.09 * cv2.arcLength(contours[0], True)
approx = cv2.approxPolyDP(contours[0], epsilon, True)
adp = cv2.drawContours(adp, [approx], 0, (0, 0, 255), 2)
cv2.imshow("result0.09", adp)
# ----------------epsilon=0.055*周长-------------------------------
adp = o.copy()
epsilon = 0.055 * cv2.arcLength(contours[0], True)
approx = cv2.approxPolyDP(contours[0], epsilon, True)
adp = cv2.drawContours(adp, [approx], 0, (0, 0, 255), 2)
cv2.imshow("result0.055", adp)
# ----------------epsilon=0.05*周长-------------------------------
adp = o.copy()
epsilon = 0.05 * cv2.arcLength(contours[0], True)
approx = cv2.approxPolyDP(contours[0], epsilon, True)
adp = cv2.drawContours(adp, [approx], 0, (0, 0, 255), 2)
cv2.imshow("result0.05", adp)
# ----------------epsilon=0.02*周长-------------------------------
adp = o.copy()
epsilon = 0.02 * cv2.arcLength(contours[0], True)
approx = cv2.approxPolyDP(contours[0], epsilon, True)
adp = cv2.drawContours(adp, [approx], 0, (0, 0, 255), 2)
cv2.imshow("result0.02", adp)
# ----------------等待释放窗口-------------------------------
cv2.waitKey()
cv2.destroyAllWindows()

在这里插入图片描述

  • origin图是图像o。
  • result0.1图显示了epsilon=0.1周长”的逼近多边形（实际上，在第1次的查找过程中仅仅找到了一条直线）。
  • result0.09图显示了epsilon=0.09周长”的逼近多边形。
  • result0.055图显示了epsilon=0.055周长”的逼近多边形。
  • result0.05图显示了epsilon=0.05周长”的逼近多边形。
  • result0.02图显示了epsilon=0.02周长”的逼近多边形。

从程序运行结果可以看出，在函数cv2.approxPolyDP()中通过参数epsilon可以控制逼近多边形的精度。需要注意：本节中使用的图像都是仅有一个轮廓的图像，处理的轮廓都是contours[0]。如果处理的原图像中有多个轮廓，则需要注意控制轮廓的索引，即contours[i]中的i值，使其指向特定的轮廓。

hola173841439
关注
专栏目录
fitContours_opencv_图像轮廓提取_图像轮廓拟合_
09-29
"fitContours"是OpenCV中一个关键的函数，它涉及到图像轮廓提取和拟合，这对于理解和分析图像中的形状至关重要。本篇文章将深入探讨这两个概念及其在实际应用中的作用。 首先，我们来看“图像轮廓提取”。在处理二...
win10+Python3.7.3+OpenCV3.4.1入门学习（十二 图像轮廓）————12.5 轮廓拟合
qq_951274168的博客
12-28 865
Python版本是Python3.7.3，OpenCV版本OpenCV.3.4.1，开发环境为PyCharm 12.5 轮廓拟合 在计算轮廓时，可能并不需要实际的轮廓，而仅需要一个接近于轮廓的近似多边形。OpenCV提供了多种计算轮廓近似多边形的方法。 本节的部分程序使用了绘图函数，这些函数在第19章中有详细的介绍，这里不再赘述。 12.5.1 矩形包围框 函数cv2.boundingRect()...
OpenCV-Python 通过边缘检测识别物体并批量提取(大米识别为例)——minAreaRect批量生成物体的最小外接矩形(旋转矩形)并批量裁剪
weixin_41611054的博客
05-28 1万+
OpenCV版本：4.0.0.21 算法实现思路如下： 对图像做降噪滤波处理 提取边缘 检测轮廓 检测轮廓最小外接矩形（旋转矩形） 对图像先平移再旋转 最后裁剪 代码如下： import cv2 import numpy as np image = cv2.imread("rice.jpg") gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 转为灰度图 blurred = cv2.GaussianBlur(gray, (11,
【youcans 的 OpenCV 例程200篇】199.轮廓的外接边界框
youcans的博客
06-03 1929
通过轮廓的外接矩形、外接圆或椭圆，计算几何形状的横纵比、面积、周长，可以实现特定几何形状轮廓的查找与过滤， 为后续的处理与分析筛选目标。 cv2.boundingRect, 轮廓的垂直矩形边界框 cv2.minAreaRect, 轮廓的最小矩形边界框 cv2.minEnclosingCircle, 轮廓的最小外接圆 cv2.minEnclosingTriangle, 轮廓的最小外接三角形 cv2.fitEllipse, 轮廓的拟合椭圆
《cv中文参考手册-图像轮廓处理-结构分析与形状识别-外接轮廓》
chaihuimin的专栏
08-15 1324
minEnclosingTriangle Finds a triangle of minimum area enclosinga 2D point set and returns its area. C++: double minEnclosingTriangle(InputArray points,OutputArray triangle)   Python: cv2.minEnclos
轮廓拟合---OpenCV-Python开发指南（27）
李元静
03-14 6876
目录前言绘制椭圆的矩形边界最小包围矩形框最小包围圆形框最优拟合椭圆最优拟合直线最小外包三角形逼近多边形 前言 在计算轮廓时，可能并不需要实际的轮廓，而仅需要一个接近于轮廓的近似多边形。比如矩形其实都是差不多的轮廓，都是长宽不相等且平行的四边形，那么只要提供一个近似的轮廓，我们就可以区分形状。 在OpenCV中，它给我们提供了cv2.boundingRect()函数来绘制轮廓的矩形边界，其完整定义如下： def boundingRect(array): array：前面已经介绍过，array是一个灰度图像，
基于Opencv3的活动轮廓模型--DRLSE模型
12-16
**基于OpenCV3的活动轮廓模型——DRLSE模型详解** 在计算机视觉领域，活动轮廓模型（Active Contour Model）是一种强大的图像分割方法，它能够自动寻找物体边界，尤其适用于处理具有复杂形状的物体。DRLSE...
Opencv中查找轮廓，并用直线拟合，检测每个轮廓的线性程度
08-21
代码中利用canny边缘检测绘制并取得工程目录图片下的轮廓，对每个轮廓用直线进行拟合，计算每个轮廓中点到拟合直线的距离。以此来判断一个轮廓的线性程度。包括了霍夫变换检测图像中的直线和累计概率霍夫变换检测...
longquan.rar_opencv 中心_opencv 坐标_图像椭圆拟合_椭圆中心检测_椭圆轮廓检测
09-23
本示例着重讨论了如何使用OpenCV C++库进行二值化、形态学操作（如腐蚀）、轮廓检测、椭圆拟合以及椭圆的中心和轮廓检测。下面我们将深入探讨这些关键知识点。 1. **二值化**： 二值化是将图像转化为黑白两色的...
aaa.zip_椭圆拟合_轮廓拟合
09-14
在计算机视觉和图像处理领域，椭圆拟合和轮廓拟合是常见的技术，用于分析和理解图像中的形状特征。本文将深入探讨这两种方法，并结合提供的`aaa.zip`压缩包内的`aaa.txt`源代码，来解释如何实现这些功能。 首先，...
车牌识别-只用opencv的方式
风一样的少年
02-28 992
字符分割的目的是将车牌中的多个字符分割成单个的字符，这样我们就可以对单个字符做模式匹配或者是用模型来做分类，从而识别单个字符是那个数字或者是那个字符，也或者是那个汉字，我们也就达到了车牌识别的目的。核心思想就是使用车牌的特征来寻找这牌的位置，比如说 车牌是长方形（长>宽），车牌一般不会 在图片的边缘上（拍照的习惯）等等，因此我们也看到的opecv方式的弊端，泛化能力比较差。在做完这个实验后，我感触是，只用opencv的方式能使用的场景有限，不如用模型的方式适用的场景广，推荐还是使用模型去做。
opencv_day16
qq_35966478的博客
10-25 224
#计算图像的Hu矩,对其中第0个矩的关系进行演示 #h0=v20+v02 import cv2 img=cv2.imread('./image/iu.jpeg') gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) HuM1=cv2.HuMoments(cv2.moments(gray)).flatten() print('cv2.moments(gray)=',c...
opencv基础51-图像轮廓04-轮廓多种图形拟合讲解及示例
小海聊智造
08-09 2510
轮廓拟合（Contour Fitting）是指在图像处理中，通过一些数学模型或曲线拟合方法来近似描述图像中的轮廓。图像中的轮廓是指物体的边界，轮廓拟合可以用于提取、描述和分析物体的形状。常用的轮廓拟合方法包括多项式拟合、贝塞尔曲线拟合、B样条曲线拟合等。这些方法可以用来找到一个与实际轮廓相符合的数学模型，从而更好地描述物体的形状。拟合后的曲线可以用于进一步的分析、测量、识别等任务。：通过对轮廓进行拟合，可以提取物体的形状特征，如圆形、椭圆形等。：通过拟合物体的轮廓，可以检测出物体的存在并确定其位置。
基于OpenCvSharp的数字图像处理 - 轮廓
lweiyue的专栏
05-11 4905
我们在前面的章节里讲过边缘检测，本章所说的轮廓是基于边缘检测的。我们之前所做的边缘检测，结果只是基于像素的，而很多时候，我们可能需要对轮廓进行一些几何操作，例如分析区域是否连通，求出轮廓的凸包，判断一个点是不是在轮廓内，等等。我们先来看两种生成轮廓的方法，再看对轮廓的一些应用。 一、从边缘得到轮廓 虽然轮廓似乎就是边缘，但实际上，OpenCV只能从二值图得到轮廓，边缘被看成是非常窄的区域（宽1个像素）。所以，从边缘得到轮廓时，会出现两条轮廓基本相同，它们是边缘的内外。 示例代码如下： Mat sr
OpenCV-python学习笔记（十二）——图像轮廓
weixin_56321457的博客
08-03 4607
OpenCV-python学习笔记（十二）——图像轮廓
【OpenCV-Python】17.OpenCV的图像轮廓——轮廓特征
每天都在学习的小博主
12-20 5251
17.OpenCV的图像轮廓——轮廓特征 文章目录前言一、轮廓的矩二、轮廓的面积三、轮廓的长度四、轮廓的近似多边形五、轮廓的凸包六、轮廓的直边界矩形七、轮廓的旋转矩形八、轮廓的最小外包圆九、轮廓的拟合椭圆十、轮廓的拟合直线十一、轮廓的最小外包三角形十二、OpenCV-Python资源下载总结 前言   图像轮廓是指由位于边缘、连续的、具有相同颜色和强度的点构成的曲线，它可以用于形状分析以及对象检测和识别。 一、轮廓的矩   轮廓的矩包含了轮廓的各种几何特征，如面积、位置、角度、形状等。cv2.mom
opencv--轮廓拟合函数 boundingRect(),minAreaRect(),minEnclosingCircle(),fitEllipse(),fitLine()
ChenWenHaoHaoHao的博客
01-04 1万+
在计算轮廓时，可能并不需要实际的轮廓，而仅需要一个接近于轮廓的近似多边形。OpenCV提供了多种计算轮廓近似多边形的方法。
boundingRect函数
热门推荐
qq_18343569的博客
08-26 4万+
1、boundingRect函数 函数作用： 计算轮廓的垂直边界最小矩形，矩形是与图像上下边界平行的 2、boundingRect函数调用形式 C++: Rect boundingRect(InputArray points) points 二维点集，点的序列或向量 (Mat)  3、opencv代码 #include "opencv2/hi
opencv3寻找最小包围圆形-minEnclosingCircle函数
qq_23880193的专栏
10-20 9993
#include #include #include using namespace cv; using namespace std; int main() { Mat srcImage(Size(600, 600), CV_8UC3, Scalar(0)); RNG &rng = theRNG(); char key; while (1) { //随机生成一些点 //首
python-opencv轮廓拟合圆
最新发布
09-14
在Python中使用OpenCV库进行轮廓拟合圆的步骤大致如下： 1. 首先需要安装OpenCV库，可以使用pip安装： ```python pip install opencv-python ``` 2. 导入OpenCV库，并读取需要处理的图像： ```python import cv2 ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

hola173841439

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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