[2] opencv: python求两个ROI的交集并集补集，并求某个集合的所有像素点与面积

最新推荐文章于 2024-10-06 23:06:10 发布
最新推荐文章于 2024-10-06 23:06:10 发布
阅读量5.8k 收藏 17
点赞数 5
分类专栏： opencv 文章标签： opencv python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq757056521/article/details/107717299
版权
实现功能

1, 在同一张图上画两个相交的ROI图形
2，求两个ROI的交并补等操作
3，求一个被填充的ROI的面积(像素点个数) 及 所有像素点

在同一张图上画两个相交的ROI图形：

在这里插入图片描述

# 求两个ROI的交并补等操作
def or_and_not_xor_main():
    #1， 创建第一个image与mask
    img_zero = np.zeros((900, 1200, 3), dtype=np.uint8)
    img_zero_sample = img_zero.copy()
    img_zero_2 = img_zero.copy()
    print(img_zero.shape)

    # points = np.array([[101, 101], [110, 101], [101, 110], [110, 110]])
    # points_ROI = np.array([[101, 101], [110, 101], [110, 110], [101, 110]])
    points_ROI = np.array([[101, 101], [300, 101], [300, 300], [101, 300]])
    # 画顶点
    # for i in range(len(points)):
    #     cv2.circle(img_zero, tuple(points[i]), 5, (0,255,255), -1)

    # 填充mask
    # cv2.fillPoly(img_zero, [points], (0, 0, 255))  # 任意多边形
    cv2.fillConvexPoly(img_zero, points_ROI, (255, 255, 255))  # 凸包
    img_gray_roi_mask = cv2.cvtColor(img_zero, cv2.COLOR_RGB2GRAY)

    # img_gray_roi_mask中mask的面积，即为白色的点
    mask = img_gray_roi_mask[img_gray_roi_mask > 0]
    print(len(mask)) # 100个点

    cv2.imshow('img_gray_roi_mask A', img_gray_roi_mask)

    #2, 创建第二个image与mask
    points_ROI_triangle = np.array([[201, 100], [400, 100], [300, 300]])
    # 填充mask
    cv2.fillConvexPoly(img_zero_2, points_ROI_triangle, (0, 255, 255))  # 凸包
    img_gray_roi_mask_triangle = cv2.cvtColor(img_zero_2, cv2.COLOR_RGB2GRAY)
    #灰度化后的图转化为白色255
    img_gray_roi_mask_triangle[img_gray_roi_mask_triangle > 0] = 255
    cv2.imshow('img_gray_roi_mask_triangle B', img_gray_roi_mask_triangle)

    #3.1， 求 img_gray_roi_mask(named: A) 与 img_gray_roi_mask_triangle(named: B) 的并集
    A_or_B = cv2.bitwise_or(img_gray_roi_mask, img_gray_roi_mask_triangle)
    cv2.imshow('A_or_B', A_or_B)

    #3.2， 求 img_gray_roi_mask(named: A) 与 img_gray_roi_mask_triangle(named: B) 的交集
    A_and_B = cv2.bitwise_and(img_gray_roi_mask, img_gray_roi_mask_triangle)
    cv2.imshow('A_and_B', A_and_B)

    # 3.3， 求属于A，但不属于B的部分：A-AB
    A_sub_AB = cv2.bitwise_xor(img_gray_roi_mask, A_and_B)
    cv2.imshow('A_sub_AB', A_sub_AB)

    # 3.4， 求A与B的并集关于整张图片的补集，即求整张图片扣去A和B
    A_or_B_not = cv2.bitwise_not(A_or_B)
    cv2.imshow('A_or_B_not', A_or_B_not)

    cv2.waitKey(0)
    cv2.destroyAllWindows()


# 求一个被填充的ROI的面积(像素点个数) 及 所有像素点
def get_roi_info_main1():
    # 创建第一个image
    img_zero = np.zeros((900, 1200, 3), dtype=np.uint8)

    # points_ROI = np.array([[101, 101], [300, 101], [300, 300], [101, 300]])
    points_ROI = np.array([[101, 101], [110, 101], [110, 110], [101, 110]])
    # 画顶点
    # for i in range(len(points)):
    #     cv2.circle(img_zero, tuple(points[i]), 5, (0,255,255), -1)

    # 填充mask
    # cv2.fillPoly(img_zero, [points], (0, 0, 255))  # 任意多边形
    cv2.fillConvexPoly(img_zero, points_ROI, (255, 255, 255))  # 凸包
    img_gray_roi_mask = cv2.cvtColor(img_zero, cv2.COLOR_RGB2GRAY)

    # img_gray_roi_mask中mask的面积，即为白色的点
    # mask = img_gray_roi_mask[img_gray_roi_mask > 0]
    # print(len(mask))  # 100个点
    # print(mask)  # 100个点

    # 取坐标 方法1
    points = np.where(img_gray_roi_mask)
    # print(type(points))  # <class 'tuple'>
    # print(len(points))  # 2
    # print('points: ', points)
    xy_axis = np.array(points).transpose()
    print('xy_axis: ', xy_axis)
    points_cnt = xy_axis.shape[0]
    print('points_cnt: ', points_cnt)

    # # 取坐标 方法2
    # list_xy_axis = list(map(lambda x: x.tolist(), points))
    # print('list_xy_axis', list_xy_axis)
    # xy_axis_method2 = np.array(list_xy_axis).transpose()
    # print('xy_axis_method2: ', xy_axis_method2)


    # cv2.imshow('img_gray_roi_mask', img_gray_roi_mask)
    cv2.waitKey(0)


# 画图：A B A∩B
def draw_pic():
    img_zero = np.zeros((900, 1200, 3), dtype=np.uint8)

    # ROI
    points_ROI_A = np.array([[101, 101], [300, 101], [300, 300], [101, 300]])
    points_ROI_B = np.array([[201, 100], [400, 100], [300, 300]])
    points_ROI_AB = np.array([[201, 100], [300, 100], [300, 300]])

    # 填充多边形
    cv2.fillConvexPoly(img_zero, points_ROI_A, (255, 255, 0))
    cv2.fillConvexPoly(img_zero, points_ROI_B, (0, 255, 255))
    cv2.fillConvexPoly(img_zero, points_ROI_AB, (255, 255, 255))

    # 画ROI边界
    cv2.polylines(img_zero, [points_ROI_A], True, (255, 255, 0), 2)
    cv2.polylines(img_zero, [points_ROI_B], True, (0, 255, 255), 2)

    # 添加说明文字
    cv2.putText(img_zero, 'A', (150, 200), cv2.FONT_HERSHEY_COMPLEX, 2, (0, 0, 255), 2)
    cv2.putText(img_zero, 'A&B', (230, 150), cv2.FONT_HERSHEY_COMPLEX, 1, (0, 0, 255), 2)
    cv2.putText(img_zero, 'B', (300, 200), cv2.FONT_HERSHEY_COMPLEX, 2, (0, 0, 255), 2)

    cv2.imshow('AB:', img_zero)
    cv2.waitKey(0)


if __name__ == '__main__':
    # draw_pic()
    # or_and_not_xor_main()
    get_roi_info_main1()
求一个被填充的ROI的面积(像素点个数) 及 所有像素点 （结果）：

points:
(array([101, 101, 101, 101, 101, 101, 101, 101, 101, 101, 102, 102, 102,
102, 102, 102, 102, 102, 102, 102, 103, 103, 103, 103, 103, 103,
103, 103, 103, 103, 104, 104, 104, 104, 104, 104, 104, 104, 104,
104, 105, 105, 105, 105, 105, 105, 105, 105, 105, 105, 106, 106,
106, 106, 106, 106, 106, 106, 106, 106, 107, 107, 107, 107, 107,
107, 107, 107, 107, 107, 108, 108, 108, 108, 108, 108, 108, 108,
108, 108, 109, 109, 109, 109, 109, 109, 109, 109, 109, 109, 110,
110, 110, 110, 110, 110, 110, 110, 110, 110], dtype=int64), array([101, 102, 103, 104, 105, 106, 107, 108, 109, 110, 101, 102, 103,
104, 105, 106, 107, 108, 109, 110, 101, 102, 103, 104, 105, 106,
107, 108, 109, 110, 101, 102, 103, 104, 105, 106, 107, 108, 109,
110, 101, 102, 103, 104, 105, 106, 107, 108, 109, 110, 101, 102,
103, 104, 105, 106, 107, 108, 109, 110, 101, 102, 103, 104, 105,
106, 107, 108, 109, 110, 101, 102, 103, 104, 105, 106, 107, 108,
109, 110, 101, 102, 103, 104, 105, 106, 107, 108, 109, 110, 101,
102, 103, 104, 105, 106, 107, 108, 109, 110], dtype=int64))

xy_axis:
[[101 101]
[101 102]
[101 103]
[101 104]
[101 105]
[101 106]
[101 107]
[101 108]
[101 109]
[101 110]
[102 101]
[102 102]
[102 103]
[102 104]
[102 105]
[102 106]
[102 107]
[102 108]
[102 109]
[102 110]
[103 101]
[103 102]
[103 103]
[103 104]
[103 105]
[103 106]
[103 107]
[103 108]
[103 109]
[103 110]
[104 101]
[104 102]
[104 103]
[104 104]
[104 105]
[104 106]
[104 107]
[104 108]
[104 109]
[104 110]
[105 101]
[105 102]
[105 103]
[105 104]
[105 105]
[105 106]
[105 107]
[105 108]
[105 109]
[105 110]
[106 101]
[106 102]
[106 103]
[106 104]
[106 105]
[106 106]
[106 107]
[106 108]
[106 109]
[106 110]
[107 101]
[107 102]
[107 103]
[107 104]
[107 105]
[107 106]
[107 107]
[107 108]
[107 109]
[107 110]
[108 101]
[108 102]
[108 103]
[108 104]
[108 105]
[108 106]
[108 107]
[108 108]
[108 109]
[108 110]
[109 101]
[109 102]
[109 103]
[109 104]
[109 105]
[109 106]
[109 107]
[109 108]
[109 109]
[109 110]
[110 101]
[110 102]
[110 103]
[110 104]
[110 105]
[110 106]
[110 107]
[110 108]
[110 109]
[110 110]]

points_cnt: 100

[Python从零到壹] 三十四.OpenCV入门详解——显示读取修改及保存图像
杨秀璋的专栏
01-23 1万+
欢迎大家来到“Python从零到壹”，在这里我将分享约200篇Python系列文章，带大家一起去学习和玩耍。上一篇文章介绍了图像处理基础知识，这篇文章将详细讲解OpenCV入门知识，包括OpenCV常见数据类型、显示图像、读取像素、修改像素、创建图像、复制图像、保存图像等内容。希望文章对您有所帮助，如果有不足之处，还请海涵。接下来，让我们开启整个系列的学习吧！
[Python从零到壹] 七十七.图像识别及经典案例篇之目标检测入门普及和ImageAI对象检测详解
杨秀璋的专栏
04-28 940
前文介绍了人脸检测的应用案例，通过OpenCV快速实现人脸检测。这篇文章将详细讲解目标检测基础知识，并通过ImageAI实现对象检测的经典案例。本文主要介绍目标检测原理，通过七个问题来普及什么是目标检测。然后利用ImageAI实现最简单的目标检测案例，加深读者的印象，本文提供的案例将为读者提供深入的理解，希望您喜欢。
Java使用opencv计算两个多边形交并比IOU、重叠面积占比
angelpaiy的博客
09-15 2662
Java OpenCV IOU
opencv检测相交点,如何轻松地检测2个ROIs是否相交在OpenCv？
weixin_34355977的博客
12-19 268
I am trying to detect whether 2 Regions of Interest (CvRects) are intersecting one another in OpenCV. I can obviously manually type several (or rather a lot of) conditions to be checked but that would...
opencv截取多个矩形交集或并集外接矩形。并裁剪该区域的部分图片。
最新发布
qq_57480369的博客
10-06 208
【代码】opencv截取多个矩形交集或并集外接矩形。并裁剪该区域的部分图片。
python 获取给定多边形和给定几何实体的交集
weixin_43355359的博客
12-17 2425
Python – Sympy Polygon.intersection() 方法 在Sympy中，函数Polygon.intersection() 用于获取给定多边形和给定几何实体的交集。几何实体可以是点，线，多边形或其他几何图形。如果多边形和给定的几何实体未在任何地方相交，则交点可以为空。但是，如果存在相交，则可以包含单个点或完整的线段。 语法： Polygon.intersection(o) 参数：几何实体 返回：线段或相交点的列表。 范例1： # import Point, Polygon from
opencv和图形计算求取图形交集
02-26
个人实现的求取图形交集的工程，效果见链接： http://blog.csdn.net/qq_24038299/article/details/79382418，大家相互学习借鉴
深度学习如何统一数据集的格式_数据集不再是借口？数据不足也能进行深度学习...
weixin_39642990的博客
11-30 1064
全文共4496字，预计学习时长13分钟图源：Unsplash在机器学习中，决定因素往往不是算法而是数据集的大小。——吴恩达图像分类即根据固定类别对输入的图像设置标签。尽管计算机视觉过于简单，但是它在实际中仍有广泛的应用，而图像分类就是其中的核心问题之一。在本文中，小芯将示范如何在数据不足的情况下应用深度学习。现已创建特制汽车和巴士分类器两个数据集，每个数据集包含100个图像。其中，训练集有70个图...
【OpenCV3编程入门学习笔记】——第4章 OpenCV数据结构与基本绘图
繁臻的小窝
03-15 1372
第4章 OpenCV数据结构与基本绘图 文章目录第4章 OpenCV数据结构与基本绘图前言4.1 基础图像容器Mat4.1.1 数字图像存储概述4.1.2 Mat结构的使用4.1.3 像素值的存储方式4.1.4 显示创建Mat对象的七种方法【方法一】使用Mat()构造函数【方法二】在C/C++中通过构造函数进行初始化【方法三】为已存在的IplImage指针创建信息头【方法四】利用Create()函数【方法五】采用Matlab式的初始化方式【方法六】对小矩阵使用逗号分隔式初始化函数【方法七】为已存在的对象创建
OpenCV ROI截取：图像处理中的利器与最佳实践，让你成为图像处理大师
[OpenCV ROI截取：图像处理中的利器与最佳实践，让你成为图像处理大师](https://ask.qcloudimg.com/http-save/yehe-7493707/f2f034e9e64f8f4f58db7acb2c519e66.png) # 1. OpenCV ROI截取概述 OpenCV中的ROI（感兴趣...
[Python图像识别] 四十五.目标检测入门普及和ImageAI“傻瓜式”对象检测案例详解 (1)
杨秀璋的专栏
08-03 1万+
该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类应用。上一篇文章是图像处理的最后一篇文章，写到这里，第一阶段的44篇Python图像处理就介绍完毕。接下来我们进入Python图像识别第二阶段，该部分主要以目标检测、图像识别以及深度学习相关图像分类为主，将会分享近50篇文章，感谢您一如至往的支持。希望文章对您有所帮助，如果有不足之处，还请海涵~
opencv3获取图像指定像素点集函数_【视觉知识】双目获取深度信息
weixin_39629352的博客
12-03 689
本文摘自于：基于OpenCV的双目深度估计实现与改进. SoftGit. cnblog一、传统方法常用的方法有SAD匹配算法，BM算法，SGBM算法，GC算法。SAD算法SAD(Sum of absolute differences)是一种图像匹配算法 ，基本思想是：差的绝对值之和。此算法常用于图像块匹配，将每个像素对应数值之差的绝对值求和，据此评估两个图像块的相似度。该算法快速、但并不...
OpenCV功能函数及复杂概念理解速查
qq_41850110的博客
12-02 298
图像基础 cv2.imread('image.jpg',0) 读入图像 cv2.imshow('image',img) 显示图像 cv2.waitKey(0) 是一个键盘绑定函数 cv2.destroyAllWindows() 可以轻易删除任何建立的窗口 cv2.namedWindow('image') 命名窗口 cv2.imwrite('messigray.png',img) 保存一个图像 cv2.VideoCapture(0) 用摄像头捕获视频，设置成 1 或者其他的来选择别的摄像头 cv2.Video
Opencv获取并改变图像的像素值
热门推荐
cxf7394373的专栏
11-03 2万+
Opencv获取并改变图像的像素值
两张图片相减得到交集部分 python
qq_41894176的博客
09-26 1729
import cv2 as cv import numpy as np def get_mask(ori_image, syn_image, thr=32): syn_h, syn_w, _ = syn_image.shape # (338, 600, 3) # cv.imshow('ori', ori_image) # cv.imshow('syn', syn_image) #print(ori_image.shape) #(360, 640, 3)
利用opencv计算两个轮廓相交（交集）区域的面积
u014360510的博客
12-12 9310
利用opencv计算两个轮廓相交（交集）区域的面积 1.将轮廓分别画在两个图层中，ImSrc1,ImSrc2; 2.合成两个图层到Imsrc = ImSrc1 + ImSrc2; 3.二值化（threshold ）Imsrc图层； 4.findContours得到相交轮廓； 5.contourArea计算相交区域面积。 具体上代码： cv::Mat Imsrc1,Imsrc2,Imsrc,Imdest; Imsrc1 = cv::Mat(600, 800, CV_8U, cv::Scalar(255));
使用Python，OpenCV进行按位AND、OR、XOR和NOT
qq_40985985的博客
06-18 621
这篇博客将介绍如何使用OpenCV应用按位AND、OR、XOR和NOT。上一篇学习了如何从图像中裁剪和提取感兴趣的区域（ROI），截取的都是矩形。但是如果想裁剪一个非矩形区域呢？该怎么办？答案是同时应用位运算和掩蔽。 比较好记的是AND交集、OR并集、XOR并集-交集、NOT——非取反；
opencv5-读取像素
ziding的博客
08-02 405
题外话：像素大战，感兴趣的可以去看这个电影，就能更好的理解像素是个什么东东。 像素（pixel）：由Picture图像和Element元素组成，是图片视频的基本单元。也就是我们通常说的分辨率。当图片尺寸以像素为单位时，每一厘米等于28像素，比如15*15厘米的图片，等于420*420像素的长度。 在opencv中经常出现通道，所以在单通道、多通道下的图像的像素是这样表示的 图画的不好看，
python补集运算_（十三）OpenCV中的数学运算（集合）
weixin_39897267的博客
01-03 233
时间为友，记录点滴集合论作为数学根基的一个大分支，在OpenCV中怎么能少了它。首先，我们要理解一些名词： ：属于如果a是集合A={a, b}的一个元素，可以记做a A ：不属于如果c不是集合A={a,b}的一个元素，可以记做c A ：空集如果集合A中什么元素都没有，可以记做A= U：全集一个领域内所有可能元素的集合。一般来说，全集没有固定的符号，我们可以按照流行把U记做全集。 ：子集如果集...
评论 1
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