opencv-python 识别轮廓

本次识别的目标是识别图片中的圆形和椭圆，由于霍夫变换可以识别圆形但是无法直接识别椭圆，所以直接使用了识别轮廓的方法。
具体步骤：
1、读取图像并进行灰度值转化
2、对转化灰度值后的图像进行二值化处理
3、进行轮廓检测
4、对所有轮廓进行遍历
5、求出所有轮廓的周长，筛选我们需要的周长范围
6、获取轮廓中心存入列表
7、对轮廓中心列表进行遍历，通过我们所需识别形状的位置对列表进行切片操作
8、对选出来的轮廓进行绘制即可
示例代码：

import cv2
import math
import numpy as np

def oval(img):
    # 进行灰度图转化
    imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # Canny边缘检测，参数可更改
    # imgray = cv2.Canny(img, 0, 210, 3)
    # cv2.imwrite('1.png', imgray)

    # 图像阈值处理（二值化处理）
    ret, thresh = cv2.threshold(imgray, 0, 255, cv2.THRESH_BINARY)
    # cv2.imwrite('1.png', thresh)

    # 轮廓检测
    image, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_CCOMP,
                                                  cv2.CHAIN_APPROX_NONE)  # contours为轮廓集，可以计算轮廓的长度、面积等

    # 创建轮廓中心列表
    center_list = []
    # 对所有轮廓进行遍历
    for i, cnt in enumerate(contours):
        # 计算轮廓周长
        perimeter = cv2.arcLength(cnt, True)

        # 确定我们想要的轮廓周长范围（根据自己需要识别的轮廓大致周长进行更改）
        if 0 < perimeter < 100:
            # 计算轮廓中心
            center, radius = cv2.minEnclosingCircle(contours[i])
            # 将轮廓中心和轮廓存入列表
            center_list.append((int(center[0]), int(center[1]), cnt))

    # 判断存了多少个轮廓，如果大于6就取列表两边（根据自己需要识别的形状进行更改）
    if len(center_list) >= 6:
        center_list = sorted(center_list)
        if center_list[0][0] <= 200:
            center_list = center_list[0: 4] + center_list[-3:]
        else:
            center_list = center_list[0: 3] + center_list[-3:]

        # 遍历列表，进行轮廓绘制及添加坐标
        for i in center_list:
            # 绘制轮廓中心
            cv2.circle(img, (i[0], i[1]), 2, (0, 0, 255), 3)

            # 绘制坐标
            cv2.putText(img, f'({i[0]}, {i[1]})', (i[0] - 20, i[1] - 20),
                        cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255), 2)
            # 绘制轮廓
            cv2.drawContours(img, i[2], -1, (0, 255, 0), 2)
    cv2.imwrite('output.png', img)
    # cv2.imshow('output', img)
   
# 读取图像（根据自己的路径进行更改）
img = cv2.imread("./image/test.png", 3)
# 识别轮廓
img = oval(img)
cv2.waitKey(0)
cv2.destroyAllWindows()