【OpenCV】74 二值图像分析—提取最大轮廓与编码关键点

74 二值图像分析—提取最大轮廓与编码关键点

代码

import cv2 as cv
import numpy as np

src = cv.imread("../images/case6.jpg")
cv.namedWindow("input", cv.WINDOW_AUTOSIZE)
cv.imshow("input", src)

# 图像二值化
# src = cv.GaussianBlur(src, (5, 5), 0)
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)

se = cv.getStructuringElement(cv.MORPH_RECT, (3, 3), (-1, -1))
binary = cv.morphologyEx(binary, cv.MORPH_CLOSE, se)
cv.imshow("binary", binary)

# 轮廓提取
contours, hierarchy = cv.findContours(binary, cv.RETR_LIST, cv.CHAIN_APPROX_SIMPLE)
height, width = src.shape[:2]
index = 0
max = 0
for c in range(len(contours)):
    x, y, w, h = cv.boundingRect(contours[c])
    if h >=height or w >= width:
        continue
    area = cv.contourArea(contours[c])
    if area > max:
        max = area
        index = c

# 绘制轮廓关键点与轮廓
result = np.zeros(src.shape, dtype=np.uint8)
keypts = cv.approxPolyDP(contours[index], 4, True)
cv.drawContours(src, contours, index, (0, 0, 255), 1, 8)
cv.drawContours(result, contours, index, (0, 0, 255), 1, 8)
print(keypts)
for pt in keypts:
    cv.circle(src, (pt[0][0], pt[0][1]), 2, (0, 255, 0), 2, 8, 0)
    cv.circle(result, (pt[0][0], pt[0][1]), 2, (0, 255, 0), 2, 8, 0)

cv.imshow("result", result)
cv.imshow("output", src)
cv.waitKey(0)
cv.destroyAllWindows()

实验结果

解释

提取星云的面积，做一些计算，其实在图像二值化的时候，我们需要考虑下面的因素，二值化方法选择：
全局阈值二值化
基于形态学梯度二值化
inRange二值化
基于Canny边缘二值化
自适应二值化

我们在二值化方法选择上选择了全局阈值（希望大家可以尝试更多不同二值化方法做对比），得到二值图像，然后进行轮廓分析，根据面积寻找最大轮廓，然后根据轮廓进行多边形逼近，获得轮廓关键点，最后可以绘制轮廓与关键点。首先看代码实现，然后再看原图与绘制效果。

---

所有内容均来源于贾志刚老师的知识星球——OpenCV研习社，本文为个人整理学习，已获得贾老师授权，有兴趣、有能力的可以加入贾老师的知识星球进行深入学习。