opencv-python 学习｜图像轮廓

最新推荐文章于 2023-06-16 15:29:20 发布

Shannon333

最新推荐文章于 2023-06-16 15:29:20 发布

阅读量551

点赞数

分类专栏： opencv

本文链接：https://blog.csdn.net/qq_35924276/article/details/105608411

版权

opencv 专栏收录该内容

6 篇文章 0 订阅

订阅专栏

图像轮廓

import cv2
def cv_show(name,img):
    cv2.imshow(name,img)
    while cv2.waitKey(100) != 27:# loop if not get ESC
        if cv2.getWindowProperty(name,cv2.WND_PROP_VISIBLE) <= 0:
            break
    cv2.destroyWindow(name)

cv2.findContours(img,mode,method)

mode:轮廓检索模式

RETR_EXTERNAL ：只检索最外面的轮廓；
RETR_LIST：检索所有的轮廓，并将其保存到一条链表当中；
RETR_CCOMP：检索所有的轮廓，并将他们组织为两层：顶层是各部分的外部边界，第二层是空洞的边界;
RETR_TREE：检索所有的轮廓，并重构嵌套轮廓的整个层次;

method:轮廓逼近方法

CHAIN_APPROX_NONE：以Freeman链码的方式输出轮廓，所有其他方法输出多边形（顶点的序列）。
CHAIN_APPROX_SIMPLE:压缩水平的、垂直的和斜的部分，也就是，函数只保留他们的终点部分。

什么是轮廓？轮廓是一系列相连的点组成的曲线，代表了物体的基本外形，相对于边缘，轮廓是连续的，边缘并不全部连续。

如何寻找轮廓？寻找轮廓的操作一般用于二值化图，所以通常会使用阈值分割或Canny边缘检测先得到二值图

PS：寻找轮廓是针对白色物体的，一定要保证物体是白色，而背景是黑色，不然很多人在寻找轮廓时会找到图片最外面的一个框

img = cv2.imread('map.jpeg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)#大于127取255，小于取0
cv_show('thresh',thresh)

参数1：二值化原图
参数2：轮廓的查找方式，一般使用cv2.RETR_TREE，表示提取所有的轮廓并建立轮廓间的层级。
参数3：轮廓的近似方法。比如对于一条直线，我们可以存储该直线的所有像素点（cv2.CHAIN_APPOX_NONE），也可以只存储起点和终点。使用 cv2.CHAIN_APPROX_SIMPLE 就表示用尽可能少的像素点表示轮廓.

contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE) #新版的opencv调用只返回两个参数,此时本人用的版本是4.1.2

contours即为轮廓的像素集合（可能有多个轮廓，需要找到自己要提取的轮廓）

绘制轮廓

#传入绘制图像，轮廓，轮廓索引，颜色模式，线条厚度
# 注意需要copy,要不原图会变。。。
draw_img = img.copy()
#cv2.drawContours参数：图片，轮廓集合，第几个轮廓(-1表示绘制所有轮廓) ，画笔颜色((0,0,255)表示红色)，画笔宽度,
res = cv2.drawContours(draw_img,contours,110,(0,0,255),2)     
cv_show('res',res)

print(len(contours))

轮廓特征

计算物体的周长、面积、质心、最小外接矩形等
OpenCV函数：cv2.contourArea(), cv2.arcLength(), cv2.approxPolyDP()等

#面积
cv2.contourArea(cont)

365715.0

#查看每个较大点的轮廓
for index,area in enumerate(contours,0) :
    if cv2.contourArea(area)>100:
        print(cv2.contourArea(area),index)

cont = contours[0]

#周长
cv2.arcLength(cont,True)    #True表示闭合

2424.0

当轮廓有毛刺的时候，我们希望能够做轮廓近似，将毛刺去掉，大体思想是将曲线用直线代替，但是有个长度的阈值需要自己设定。

轮廓近似

将轮廓形状近似到另外一种由更少点组成的轮廓形状，新轮廓的点的数目由我们设定的准确度来决定，用的Douglas-Peucker算法。

#先找到轮廓
img_contours = cv2.imread('contours2.png')
gray = cv2.cvtColor(img_contours,cv2.COLOR_BGR2GRAY)    #灰度处理
ret,thresh = cv2.threshold(gray,127,255,cv2.THRESH_BINARY) #二值化
#找轮廓
contours2, hierarchy2 = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
#第一个轮廓
cnt = contours2[0]

draw_img = img_contours.copy()
res = cv2.drawContours(draw_img,[cnt],-1,(0,0,255),2)
cv_show('res',res)

#行多边形逼近，得到多边形的角点
epsilon = 0.15 * cv2.arcLength(cnt,True)
approx = cv2.approxPolyDP(cnt,epsilon,True)

draw_img = img_contours.copy()
res = cv2.drawContours(draw_img,[approx],-1,(0,0,255),2)
cv_show('res',res)

其中cv2.approxPolyDP() 的参数2( $e p s i l o n$ )是一个距离值，表示多边形的轮廓接近实际轮廓的程度，值越小，越精确；参数3表示是否闭合。

对于轮廓我们还可以做一些额外的操作，比如外接矩形，外接圆，外界椭圆等等。

边界矩形

img_contours = cv2.imread('contours2.png')
gray = cv2.cvtColor(img_contours,cv2.COLOR_BGR2GRAY)    #灰度处理
ret,thresh = cv2.threshold(gray,127,255,cv2.THRESH_BINARY) #二值化
#找轮廓
contours2, hierarchy2 = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
#第一个轮廓
cnt = contours2[0]

img = img_contours.copy()
x,y,w,h = cv2.boundingRect(cnt)
img = cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
cv_show('img',img)

plt.imshow(img)

<matplotlib.image.AxesImage at 0x133ae3048>

在这里插入图片描述

area = cv2.contourArea(cnt)
x, y, w, h = cv2.boundingRect(cnt)
rect_area = w * h
extent = float(area) / rect_area
print ('轮廓面积与边界矩形比',extent)

轮廓面积与边界矩形比 0.7800798598378357

外接圆

(x,y),radius = cv2.minEnclosingCircle(cnt)
center = (int(x), int(y))
radius = int(radius)
img = img_contours.copy()
img = cv2.circle(img,center,radius,(0,255,0),2)
cv_show('img',img)

plt.imshow(img)

<matplotlib.image.AxesImage at 0x127cc22b0>

在这里插入图片描述

Shannon333

关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
opencv-python 学习｜图像轮廓

图像轮廓import cv2def cv_show(name,img): cv2.imshow(name,img) while cv2.waitKey(100) != 27:# loop if not get ESC if cv2.getWindowProperty(name,cv2.WND_PROP_VISIBLE) <= 0: ...
复制链接

扫一扫