【数字图像处理】VisualStudio2019 Python&Opencv查找地图圆形轮廓、标记、分离

记一次数字图像处理实验

实验要求:标记图中图形轮廓标记计数

待处理图片.jpg

实验环境:VisualStudio2019

实验步骤:

        1.  搭建实验环境

详细操作流程看他的https://blog.csdn.net/qq_29519575/article/details/91398974

        2.  编码

实例中用到的关键函数及参数介绍:

  • cvtcolor():颜色空间转换函数,可以实现RGB颜色向HSV,HSI等颜色空间转换,也可以转换为灰度图。
	void cv::cvtColor(
		cv::InputArray src,  // 输入序列
		cv::OutputArray dst, // 输出序列
		int code,            // 颜色映射码
		int dstCn = 0        // 用于指定目标图像的通道数,如果指定的值是默认值0,那么通道数将由输入图像和颜色转换码决定。
	);
  • threshold(): 图像二值化,就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的只有黑和白的视觉效果。
       double threshold( 
                InputArray src,  // 输入数组,填单通道,8位或32位浮点类型Mat即可。即为输入图像。
                OutputArray dst, // 函数运算后的结果存放在这。即为输出图像(与输入图像同样的尺寸和类型)。
                double thresh,   // 阈值的具体值,根据需要自行设置。
                double maxval,   // 表示预设最大值,使用THRESH_BINARY或THRESH_BINARY_INV类型。
                int type         // int类型的type,表示阈值化处理的类型。
        );

其中:阈值化类型

              二进制阈值化       THRESH_BINARY

              反二进制阈值化   THRESH_BINARY_INV

              截断阈值化          THRESH_TRUNC

              阈值化为零          THRESH_TOZERO

              反阈值化为零      THRESH_TOZERO_INV

              OTSU阈值化       CV_THRESH_OTSU

  • findContours():在二值化图像中查找轮廓,该函数使用@CITE Suzuki 85算法从二进制图像中检索轮廓;
      void findContours(
            InputArray image,             // 原图像,一般为8位单通道的图像;非零像素为1,0像素为0,即输入图像是一个二值化的图像;可以用compare, inRange, threshold , adaptiveThreshold, Canny,以及其他的方法将一个灰度图像或者彩色图像转换为二值化的图像;如果函数的参数mode是RETR_CCOMP 或者RETR_FLOODFILL,输入图像可以是32位整型图像(CV_32SC1)。
            OutputArrayOfArrays contours, // 检测得到的轮廓,每一个轮廓存储在一个vector类型的点集中。
            //OutputArray hierarchy,      // 可选的输出矢量,例如std::vector<cv::Vec4i>,包含图像的拓扑信息,数量与轮廓的个数一样,每个轮廓contours[i]对应4个hierarchy元素hierarchy[i][0] ~ hierarchy[i][3],分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号,如果没有对应项,该值设置为-1。
            int mode,                     // 轮廓的检索模式
            int method,                   // 轮廓的近似方法
            Point offset = Point()        // 可选的变量,每个轮廓被偏移的偏移量
        );

其中:int mode(轮廓检索模式):

                 RETR_EXTERNAL
                 RETR_LIST
                 RETR_CCOMP
                 RETR_TREE
                 RETR_FLOODFILL

          int method(轮廓的近似方法):

                 CHAIN_APPROX_NONE
                 CHAIN_APPROX_SIMPLE
                 CHAIN_APPROX_TC89_L1

  • cvCircle():绘制圆形函数
       cvCircle(
            CvArr* img,      // 源图像指针
            CvPoint center,  // 画圆的圆心坐标
            int radius,      // 圆的半径
            CvScalar color,  // 圆的颜色,B(蓝)G(绿)R(红)
            int thickness=1, // 如果是正数,表示组成圆的线条的粗细程度,否则,表示圆是否被填充。
            int lineType=8,  // 线条的类型,默认是8
            int shift=0      // 线条的类型,默认是8
        );

 实验代码清单:

#----------------------------【Specification】----------------------------
#  Coding: UTF-8
#  程序名称:【Opencv查找地图圆形轮廓、标记、分离】
#  IDE:Visual Studio 2019
#  Python版本:3.7
#  OpenCV版本:3.4.3.18
#  2019年12月3日 CREATED BY 一箭双雕
#-------------------------------------------------------------------------
import cv2
import matplotlib.pyplot as plt
import copy


class Processor(object):
    def __init__(self, image_full_path):
        self._image_full_path = image_full_path

    def run(self):
        image = cv2.imread(self._image_full_path, cv2.IMREAD_COLOR)
        gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
        ret, mask = cv2.threshold(gray_image, 160, 255, cv2.THRESH_BINARY)
        binary, contours, hierarchy = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
        segmentation = copy.deepcopy(image)
        segmentation *= 0

        roi = list()
        for i, contour in enumerate(contours):
            area = cv2.contourArea(contour)
            if area < 16:
                continue

            (x, y), radius = cv2.minEnclosingCircle(contour)
            if radius > 16 or (143 < x < 181 and 189 < y < 300) or (x > 318 and y > 187):
                continue

            roi.append(contour)
            image = cv2.circle(image, (int(x), int(y)), int(radius), (255, 0, 0), 2)
            segmentation = cv2.circle(segmentation, (int(x), int(y)), int(radius), (255, 255, 255), -1)

        plt.figure(1)
        plt.imshow(image)
        plt.show()

        plt.figure(2)
        plt.imshow(segmentation)
        plt.show()


if __name__ == '__main__':
    processor = Processor('./test.jpg')
    processor.run()


        3.  调试&运行

运行效果图 :

【运行1】输出标记图像

 

【运行2】输出分离图像

 

         4.  上传源文件至GitHub

本次实验源文件及所用图片提供下载:https://github.com/yijianshuangdiao/shuzituxiangchuli

 

实验心得:

         把FAST的rap唱给我听 我就帮你写心得!

 

 

  • 1
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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