opencv(23)---轮廓特征属性及应用之最小外接矩形

最新推荐文章于 2024-02-13 01:05:17 发布
最新推荐文章于 2024-02-13 01:05:17 发布
阅读量2.2k 收藏 23
点赞数 3
分类专栏： # OpenCV_ML

轮廓最小外接矩形—minAreaRect()

函数原型

RotatedRect minAreaRect( InputArray points );

points: 输入的二维点集, 可以填Mat类型或std::vector 
返回值: RotatedRect类矩形对象, 外接旋转矩形主要成员有center、size、 angle、points

注意点

在opencv中，坐标的原点在左上角，与x轴平行的方向为角度为0，逆时针旋转角度为负，顺时针旋转角度为正。而RotatedRect类是以矩形的哪一条边与x轴的夹角作为角度的呢？angle 是水平轴（x轴）逆时针旋转，与碰到的第一个边的夹角，而opencv默认把这个边的边长作为width，angle的取值范围必然是负的

这里写图片描述

代码

   Mat srcImg = imread("D:\\1\\10.png");
    imshow("src", srcImg);
    Mat dstImg = srcImg.clone();

    cvtColor(srcImg, srcImg, CV_BGR2GRAY);
    threshold(srcImg, srcImg, 100, 255, CV_THRESH_BINARY); //二值化
    imshow("threshold", srcImg);

    vector<vector<Point>> contours;
    vector<Vec4i> hierarcy;

    findContours(srcImg, contours, hierarcy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);
    cout<<"num="<<contours.size()<<endl;
    vector<Rect> boundRect(contours.size());  //定义外接矩形集合
    vector<RotatedRect> box(contours.size()); //定义最小外接矩形集合
    Point2f rect[4];
    for(int i=0; i<contours.size(); i++)
    {
        box[i] = minAreaRect(Mat(contours[i]));  //计算每个轮廓最小外接矩形
        boundRect[i] = boundingRect(Mat(contours[i]));

        circle(dstImg, Point(box[i].center.x, box[i].center.y), 5, Scalar(0, 255, 0), -1, 8);  //绘制最小外接矩形的中心点
        box[i].points(rect);  //把最小外接矩形四个端点复制给rect数组

        rectangle(dstImg, Point(boundRect[i].x, boundRect[i].y), Point(boundRect[i].x + boundRect[i].width, boundRect[i].y + boundRect[i].height), Scalar(0, 255, 0), 2, 8);
        for(int j=0; j<4; j++)
        {
            line(dstImg, rect[j], rect[(j+1)%4], Scalar(0, 0, 255), 2, 8);  //绘制最小外接矩形每条边
        }

    }
    imshow("dst", dstImg);

    waitKey(0);

运行结果

这里写图片描述

知识点分析

绘制最小外接矩形的轮廓

for(int j=0; j<4; j++)
   {
       line(dstImg, rect[j], rect[(j+1)%4], Scalar(0, 0, 255), 2, 8);  //绘制最小外接矩形每条边
   }

应用一—粗略计算长宽(像素)

代码

 Mat srcImg = imread("D:\\1\\phone.jpg");
    imshow("src", srcImg);
    Mat dstImg = srcImg.clone();
    //进行了两次滤波
    medianBlur(srcImg, srcImg, 5);
    GaussianBlur(srcImg, srcImg, Size(3, 3), 0, 0);

    cvtColor(srcImg, srcImg, CV_BGR2GRAY);
    threshold(srcImg, srcImg, 100, 255, CV_THRESH_BINARY_INV); 
    imshow("threshold", srcImg);

    vector<vector<Point>> contours;
    vector<Vec4i> hierarcy;

    findContours(srcImg, contours, hierarcy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);
    cout<<"num="<<contours.size()<<endl;
    vector<Rect> boundRect(contours.size());
    vector<RotatedRect> box(contours.size());
    Point2f rect[4];
    for(int i=0; i<contours.size(); i++)
    {
        box[i] = minAreaRect(Mat(contours[i]));
        boundRect[i] = boundingRect(Mat(contours[i]));
        cout<<box[i].angle<<endl;
        cout<<box[i].center<<endl;
        cout<<box[i].size.width<<endl;
        cout<<box[i].size.height<<endl;
        circle(dstImg, Point(box[i].center.x, box[i].center.y), 5, Scalar(0, 255, 0), -1, 8);

        char width[20], height[20];

        sprintf(width, "width=%0.2f", box[i].size.width);
        sprintf(height, "height=%0.2f", box[i].size.height);

        box[i].points(rect);

        rectangle(dstImg, Point(boundRect[i].x, boundRect[i].y), Point(boundRect[i].x + boundRect[i].width, boundRect[i].y + boundRect[i].height), Scalar(0, 255, 0), 2, 8);

        for(int j=0; j<4; j++)
        {
            line(dstImg, rect[j], rect[(j+1)%4], Scalar(0, 0, 255), 2, 8);
        }

        putText(dstImg, width, Point(235, 260), CV_FONT_HERSHEY_COMPLEX_SMALL, 0.85, Scalar(0, 255, 0), 2, 8);
        putText(dstImg, height, Point(235, 285), CV_FONT_HERSHEY_COMPLEX_SMALL, 0.85, Scalar(0, 255, 0), 2, 8);

    }
    imshow("dst", dstImg);

    waitKey(0);

运行结果

这里写图片描述

应用二—-旋转矫正

代码

Mat srcImg = imread("D:\\1\\qrcode.jpg");
imshow("src", srcImg);
Mat dstImg = srcImg.clone();
//高斯滤波
GaussianBlur(srcImg, srcImg, Size(3, 3), 0, 0);
cvtColor(srcImg, srcImg, CV_BGR2GRAY);
//边缘检测
Canny(srcImg, srcImg, 100, 200);
//threshold(srcImg, srcImg, 100, 255, CV_THRESH_BINARY_INV); //二值化
//adaptiveThreshold(srcImg, srcImg, 255, ADAPTIVE_THRESH_GAUSSIAN_C,  CV_THRESH_BINARY_INV, 15, 3);
imshow("threshold", srcImg);
Mat element = getStructuringElement(MORPH_RECT, Size(11, 11), Point(-1, -1)); //定义结构元素
dilate(srcImg, srcImg, element); //膨胀，将二维码区域连接起来
imshow("dilate", srcImg);
erode(srcImg, srcImg, element);
imshow("erode", srcImg);

vector<vector<Point>> contours;
vector<Vec4i> hierarcy;

findContours(srcImg, contours, hierarcy, CV_RETR_TREE, CV_CHAIN_APPROX_NONE);
cout<<"num="<<contours.size()<<endl;
vector<Rect> boundRect(contours.size());
vector<RotatedRect> box(contours.size());
Point2f rect[4];
for(int i=0; i<contours.size(); i++)
{
   box[i] = minAreaRect(Mat(contours[i]));
   boundRect[i] = boundingRect(Mat(contours[i]));
   //利用长宽来选择符合条件的轮廓
   if(box[i].size.width < 100 || box[i].size.height<100)
       continue;
   circle(dstImg, Point(box[i].center.x, box[i].center.y), 5, Scalar(0, 255, 0), -1, 8);
   cout<<"num="<<box[i].angle<<endl;
   angle = box[i].angle;

   char width[20], height[20];
   sprintf(width, "width=%0.2f", box[i].size.width);
   sprintf(height, "height=%0.2f", box[i].size.height);

   box[i].points(rect);
   rectangle(dstImg, Point(boundRect[i].x, boundRect[i].y), Point(boundRect[i].x + boundRect[i].width, boundRect[i].y + boundRect[i].height), Scalar(0, 255, 0), 2, 8);

   for(int j=0; j<4; j++)
   {
       line(dstImg, rect[j], rect[(j+1)%4], Scalar(0, 0, 255), 2, 8);
   }

   putText(dstImg, width, Point(235, 260), CV_FONT_HERSHEY_COMPLEX_SMALL, 0.85, Scalar(0, 255, 0), 2, 8);
   putText(dstImg, height, Point(235, 285), CV_FONT_HERSHEY_COMPLEX_SMALL, 0.85, Scalar(0, 255, 0), 2, 8);
   imshow("temp", dstImg);
   //经验值
   if (0< abs(angle) && abs(angle)<=45)  //逆时针
       angle = angle;
   else if (45< abs(angle) && abs(angle)<90) //顺时针
       angle = 90 -  abs(angle);

   Point2f center = box[i].center;  //定义旋转中心坐标
   double angle0 = angle;
   double scale = 1;
   Mat roateM;
   roateM = getRotationMatrix2D(center, angle0, scale);  //获得旋转矩阵
   warpAffine(dstImg, dstImg, roateM, dstImg.size()); //利用放射变换进行旋转


}
imshow("dst", dstImg);

waitKey(0);

运行结果

原图

这里写图片描述

阈值化图

这里写图片描述

膨胀图

这里写图片描述

腐蚀图

这里写图片描述

结果图

这里写图片描述

旋转图

这里写图片描述

知识点讲解

1.不同灰度处理方式处理后的灰度图

Canny(srcImg, srcImg, 100, 200);
threshold(srcImg, srcImg, 100, 255, CV_THRESH_BINARY_INV); //二值化
adaptiveThreshold(srcImg, srcImg, 255, ADAPTIVE_THRESH_GAUSSIAN_C,  CV_THRESH_BINARY_INV, 15, 3);

canny

这里写图片描述

threshold

这里写图片描述

adaptiveThreshold

这里写图片描述

2.腐蚀膨胀

Mat element = getStructuringElement(MORPH_RECT, Size(11, 11), Point(-1, -1)); //定义结构元素
dilate(srcImg, srcImg, element); //膨胀，将二维码区域连接起来
imshow("dilate", srcImg);
erode(srcImg, srcImg, element);
imshow("erode", srcImg);

先进行膨胀，使所有的二维码连接成一个整体 
在进行腐蚀，使得二维码大小不进行改变

3.筛选

if(box[i].size.width < 100 || box[i].size.height<100)
     continue;

4. 旋转角度

//经验值
if (0< abs(angle) && abs(angle)<=45)  //逆时针
  angle = angle;
else if (45< abs(angle) && abs(angle)<90) //顺时针
  angle = 90 -  abs(angle);

5.对二维码进行旋转

Point2f center = box[i].center;  //定义旋转中心坐标
double angle0 = angle;
double scale = 1;
Mat roateM;
roateM = getRotationMatrix2D(center, angle0, scale);  //获得旋转矩阵
warpAffine(dstImg, dstImg, roateM, dstImg.size()); //利用放射变换进行旋转
阿卡基YUAN
关注
  • 3
    点赞
  • 踩
  • 23
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Python opencv 找包含多个区域的最小外接矩形
01-20
import cv2 import numpy as np import copy ''' 包含多个区域的最小外接矩形''' image = cv2.imread('./label.png') B, G, R = cv2.split(image) ret, thresh = cv2.threshold(G, 128, 255, cv2.THRESH_BINARY) print(thresh.shape) # 单通道复制为三通道 ...代替所有的：： 3 增加后的通道数 2 轴 GGG = np.repeat(G[...,np.newaxis], 3, 2) print(GGG.sha
Opencv实现最小外接矩形和圆
12-26
本文实例为大家分享了Opencv实现最小外接矩形和圆的具体代码，供大家参考，具体内容如下 步骤：将一幅图像先转灰度，再canny边缘检测得到二值化边缘图像，再寻找轮廓，轮廓是由一系列点构成的，要想获得轮廓的最小...
Opencv minAreaRect 生成最小外接矩形
愿万事胜意
04-09 3375
使用opencv返回点集cnt的最小外接矩形，所用函数为minAreaRect(cnt) ，cnt是所要求最小外接矩形的点集数组或向量，这个点集不定个数。 这个矩形是可以有偏转角度的，可以与图像的边界不平行。 调用形式：RotatedRectminAreaRect(InputArraypoints) InputArraypoints：表示输入的点集 输出是矩形的四个点坐标。 例如：...
OpenCV-37 最小外接矩形和最大外接矩形
weixin_47702917的博客
02-13 1002
外接矩形分为和。下图中红色矩形为最小外接矩形，绿色矩形为最大外接矩形。
python 最小外接矩形 角度计算
jacke121的专栏
05-16 4058
生成最小外接矩形： cnt = np.array([[x1,y1],[x2,y2],[x3,y3],[x4,y4]]) # 必须是array数组的形式 rect = cv2.minAreaRect(cnt) # 得到最小外接矩形的（中心(x,y), (宽,高), 旋转角度） box = cv2.cv.BoxPoints(rect) # cv2.boxPoints(rect) for OpenCV 3.x 获取最小外接矩形的4个顶点 box = np.int0(box) RotatedRe..
OpenCV——最小外接矩形
点云侠的博客
05-19 5616
最小外接矩形
opencv-python最小外接矩形
u010851059的博客
05-06 7455
所用函数： cv2.threshold() —— 阈值处理 cv2.findContours() —— 轮廓检测 cv2.boundingRect() —— 最大外接矩阵 cv2.rectangle() —— 画出矩形 cv2.minAreaRect —— 找到最小外接矩形（矩形具有一定的角度） cv2.boxPoints —— 外接矩形的坐标位置 cv2.drawContours(image, [box], 0, (0, 0, 255), 3) —— 根据点画出矩形 # -*- cod
opencv学习笔记之十五——最小外接矩形(RotatedRect返回角度angle问题）
热门推荐
小武的博客
07-02 1万+
最近在看一个车牌识别开源项目时，对其中RotatedRect的角度属性理解得不清楚，也查找了大量博客，得出了基本结论，最后通过实验进一步进行了验证。 RotatedRect该类表示平面上的旋转矩形，有三个属性： 矩形中心点(质心) 边长(长和宽) 旋转角度 旋转角度angle的范围为[-90,0)，当矩形水平或竖直时均返回-90，请看下图： 来源：https://blog.csdn....
【OpenCV】 外接矩形、最小外接矩形、多边形拟合、外接圆
豆芽菜
12-21 4217
【OpenCV】 外接矩形、最小外接矩形、多边形拟合、外接圆
Opencv学习笔记（五）形状识别
HHB791829200的博客
02-21 7487
本次笔记的内容主要是实现对形状的检查，使用Opencv中的函数实现图片中图形的监测。 1、首先开始对原始图形进行预处理。 String path="../shapes.png"; Mat img; img=imread(path); cvtColor(img,imgGray,COLOR_BGR2GRAY); GaussianBlur(imgGray,imgBlur,Size(3,3),3,0); Canny(imgBlur,imgCanny,25,75); Mat kernel=getStr.
一组点，怎么求轮廓最小外接矩形？？C#实现
weixin_39899255的博客
04-23 1025
该算法的基本思想是，在点集上绕着一个点旋转卡尺，保持卡尺间距不变，直到卡尺夹住点集边界上的两个点，记录此时卡尺的长度。然后，将卡尺旋转一定角度，直到卡尺夹住另外两个点，再记录此时的卡尺长度。重复这个过程直到卡尺夹住了所有的点，最终得到的最小卡尺长度就是最小外接矩形的对角线长度。找到距离点P1最远的点P2，将卡尺从P1和P2的中点开始沿着点集的凸包边缘旋转，记录此时卡尺的长度。记录每个旋转角度下的最小卡尺长度，最终得到的最小卡尺长度就是最小外接矩形的对角线长度。
使用opencv画最小外接矩形与最小外接圆
09-27
使用opencv画出图形的最小外接矩形与最小外接圆，首先求出图形的轮廓，设有滚动条可以选择最佳阈值，然后画出图形的最小外接圆与最小外接矩形，算法的效果很好！
Python实现图片查找轮廓、多边形拟合、最小外接矩形代码
12-17
经常用到轮廓查找和多边形拟合等opencv操作，因此记录以备后续使用。本文代码中的阈值条件对图片没有实际意义，仅仅是为了测试。 原图为： 2、测试代码： import cv2 import numpy as np img = cv2.imread('/home...
绘制最小外接矩形.cpp
02-19
绘制轮廓的最小外接斜矩形，最小外接正矩形，最小外接圆，并将结果输出到原图像上，可参考博客：https://blog.csdn.net/didi_ya/article/details/113863388
基于java的-28-“智慧食堂”设计与实现--LW-源码.zip
04-25
提供的源码资源涵盖了Java应用等多个领域，每个领域都包含了丰富的实例和项目。这些源码都是基于各自平台的最新技术和标准编写，确保了在对应环境下能够无缝运行。同时，源码中配备了详细的注释和文档，帮助用户快速理解代码结构和实现逻辑。 适用人群： 适合毕业设计、课程设计作业。这些源码资源特别适合大学生群体。无论你是计算机相关专业的学生，还是对其他领域编程感兴趣的学生，这些资源都能为你提供宝贵的学习和实践机会。通过学习和运行这些源码，你可以掌握各平台开发的基础知识，提升编程能力和项目实战经验。 使用场景及目标： 在学习阶段，你可以利用这些源码资源进行课程实践、课外项目或毕业设计。通过分析和运行源码，你将深入了解各平台开发的技术细节和最佳实践，逐步培养起自己的项目开发和问题解决能力。此外，在求职或创业过程中，具备跨平台开发能力的大学生将更具竞争力。 其他说明： 为了确保源码资源的可运行性和易用性，特别注意了以下几点：首先，每份源码都提供了详细的运行环境和依赖说明，确保用户能够轻松搭建起开发环境；其次，源码中的注释和文档都非常完善，方便用户快速上手和理解代码；最后，我会定期更新这些源码资源，以适应各平台技术的最新发展和市场需求。 所有源码均经过严格测试，可以直接运行，可以放心下载使用。有任何使用问题欢迎随时与博主沟通，第一时间进行解答！
C#，回文分割问题（Palindrome Partitioning Problem）算法与源代码
04-25
C#，回文分割问题（Palindrome Partitioning Problem）算法与源代码 1 回文串 “回文串”是一个正读和反读都一样的字符串，初始化标志flag=true，比如“level”或者“noon”等等就是回文串。 2 回文分割问题 给定一个字符串，如果该字符串的每个子字符串都是回文的，那么该字符串的分区就是回文分区。 例如，“aba | b | bbabb | a | b | aba”是“abababababa”的回文分区。 确定给定字符串的回文分区所需的最少切割。 例如，“ababababababa”至少需要3次切割。 这三个分段是“a | babbab | b | ababa”。 如果字符串是回文，则至少需要0个分段。 如果一个长度为n的字符串包含所有不同的字符，则至少需要n-1个分段。
node-v9.2.1.tar.xz
最新发布
04-25
Node.js，简称Node，是一个开源且跨平台的JavaScript运行时环境，它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立，旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎，可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型，这使得它非常适合处理大量并发连接，从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外，Node.js使用了模块化的架构，通过npm（Node package manager，Node包管理器）,社区成员可以共享和复用代码，极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展，它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等，因此，开发者可以用JavaScript编写全栈应用程序，这一点大大提高了开发效率和便捷性。 在实践中，许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台，如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能，简化了开发流程，并且能更快地响应市场需求。
贪心算法解决活动选择问题，Java版源码
04-25
贪心算法是一种在每一步选择中都采取在当前状态下最好或最优的选择，从而希望导致结果是全局最好或最优的算法策略。贪心算法在有最优子结构的问题中尤为有效。最优子结构的意思是局部最优解可以决定全局最优解。 附件中一个使用贪心算法解决活动选择问题（也称为会议时间安排问题）的 Java 示例代码。这个问题的目标是选择最大的活动数量，使得活动之间互不重叠。 在示例中，我们定义了一个 Activity 类来表示每个活动的开始和结束时间。然后，我们创建了一个活动数组，并使用 Arrays.sort() 方法按照活动的结束时间对它们进行排序。 接下来，我们遍历排序后的数组，使用贪心算法的策略选择活动。选择的标准是当前活动的开始时间是否晚于或等于之前选择的最后一个活动的结束时间。如果是，我们就选择这个活动，并更新 lastActivityEnd 为当前活动的结束时间。最后，我们打印出可以执行的最大活动数量。
小程序-2-“最多跑一次”微信小程序--LW-源码.zip
04-25
提供的源码资源涵盖了小程序应用等多个领域，每个领域都包含了丰富的实例和项目。这些源码都是基于各自平台的最新技术和标准编写，确保了在对应环境下能够无缝运行。同时，源码中配备了详细的注释和文档，帮助用户快速理解代码结构和实现逻辑。 适用人群： 适合毕业设计、课程设计作业。这些源码资源特别适合大学生群体。无论你是计算机相关专业的学生，还是对其他领域编程感兴趣的学生，这些资源都能为你提供宝贵的学习和实践机会。通过学习和运行这些源码，你可以掌握各平台开发的基础知识，提升编程能力和项目实战经验。 使用场景及目标： 在学习阶段，你可以利用这些源码资源进行课程实践、课外项目或毕业设计。通过分析和运行源码，你将深入了解各平台开发的技术细节和最佳实践，逐步培养起自己的项目开发和问题解决能力。此外，在求职或创业过程中，具备跨平台开发能力的大学生将更具竞争力。 其他说明： 为了确保源码资源的可运行性和易用性，特别注意了以下几点：首先，每份源码都提供了详细的运行环境和依赖说明，确保用户能够轻松搭建起开发环境；其次，源码中的注释和文档都非常完善，方便用户快速上手和理解代码；最后，我会定期更新这些源码资源，以适应各平台技术的最新发展和市场需求。 所有源码均经过严格测试，可以直接运行，可以放心下载使用。有任何使用问题欢迎随时与博主沟通，第一时间进行解答！
opencv-python 最小外接矩形中最长边坐标
03-14
在 OpenCV-Python 中，可以使用函数 cv2.minAreaRect() 来计算最小外接矩形。该函数返回一个矩形，其中包含最小外接矩形的中心坐标、宽度、高度和旋转角度。如果您需要获取最长边的坐标，可以使用以下代码： rect =...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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