day17 - 用形状包围图像

在进行图像轮廓提取时，有的情况下不需要我们提取出精确的轮廓，只要提取出一个接近于轮廓的近似多边形，就可以满足后续的操作。

本期我们来学习如何通过设置参数来找出图像的近似多边形。

完成本期内容，你可以：

• 了解图像轮廓的基本特性
• 学会提取图像的轮廓近似多边形

若要运行案例代码，你需要有：

• 操作系统：Ubuntu 16 以上 或者 Windows10

• 工具软件：VScode 或者其他源码编辑器

• 硬件环境：无特殊要求

• 核心库：python 3.6.13， opencv-contrib-python 3.4.11.39，opencv-python 3.4.2.16

点击下载源码

---

绘制多边形轮廓

OpenCV中提供了cv2.approxPolyDP()函数来绘制多边形轮廓。

函数原型：approxCurve = cv2.approxPolyDP( curve, epsilon, closed )

approxCurve为逼近多边形点集；

参数描述如下：

• curve：是轮廓。
• epsilon：精度，原始轮廓的边界点与逼近多边形边界之间的最大距离。
• closed：逻辑值。该值为真时，逼近多边形是封闭的；否则，逼近曲线是不封闭的。

计算轮廓面积

OpenCV中提供了cv2.contourArea()函数可以用来计算轮廓面积。

函数原型：cv2. contourArea(contour, oriented=None):

参数描述如下：

• contour：输入的点，一般是图像的轮廓点；
• oriented: 表示某一个方向上轮廓的的面积值，顺时针或者逆时针，一般选择默认false。

计算轮廓周长

OpenCV中提供了cv2.arcLength()函数来计算轮廓周长。

函数原型：cv2. arcLength(curve, closed)

参数描述如下：

• curve ：输入的点，一般是图像的轮廓点；
• closed :用来指定对象的形状是闭合的（True），还是打开的一条曲线（False）。

轮廓拟合

边界函数

• 贴合轮廓(近似多边形)：cv2.approxPolyDP()

• 包含轮廓点集中的最小矩形：cv2.boundingRect()

• 表示计算二维点集形成封闭、倾斜及最小面积的矩形：cv2. minAreaRect()

• 完全包围已有轮廓的最小圆：cv2.minEnclosingCircle()

• 椭圆拟合cv2. fitEllipse()

• 直线拟合cv2.fitLine()等

OpenCV中提供了cv2.approxPolyDP () 函数来绘制多边形轮廓。

函数原型： approxCurve = cv2.approxPolyDP( curve, epsilon, closed )

参数说明：

• approxCurve：逼近多边形点集；

• curve：是轮廓；

• epsilon：精度，原始轮廓的边界点与逼近多边形边界之间的最大距离；

• closed：逻辑值。该值为真时，逼近多边形是封闭的；否则，逼近曲线是不封闭的。

---

具体步骤

使用图像轮廓技术获取图像轮廓的近似多边形。

步骤一：创建项目工具

创建项目名为使用多边形近似图像轮廓，项目根目录下新建code文件夹储存代码，新建dataset文件夹储存数据，项目结构如下：

使用多边形近似图像轮廓                     # 项目名称
├── code                               # 储存代码文件
├── dataset                            # 储存数据文件

注：如项目结构已存在，无需再创建。

步骤二：获取轮廓并绘制

3. 导入所需模块：OpenCV;
4. 读取dataset文件夹下的clouds.png 图片；
5. 将原图像复制，用于绘制图像轮廓；
6. 将图像转换为二值图像；
7. 获取图像轮廓并绘制；

代码实现

# 导入OpenCV
import cv2

#读取并显示原始图像
o = cv2.imread('../dataset/clouds.png')
cv2.imshow("original",o)

#获取轮廓
gray = cv2.cvtColor(o,cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
_,contours, hierarchy = cv2.findContours(binary,
                                          cv2.RETR_LIST,
                                          cv2.CHAIN_APPROX_SIMPLE)
#直接绘制边缘
adp = o.copy()
adp=cv2.drawContours(adp,contours,-1,(0,0,255),2)
cv2.imshow("result",adp)

处理效果

步骤三：绘制精度为0.1倍周长的近似多边形轮廓

1. 复制图像；
2. 设置原始轮廓的边界点与逼近多边形边界之间的最大距离为轮廓的0.1 倍；
3. 绘制多边形；
4. 在图像上绘制轮廓，颜色为红色，线宽为2并展示；

代码实现

#epsilon=0.1*周长
adp = o.copy()# 复制图像
#原始轮廓的边界点与逼近多边形边界之间的最大距离为轮廓的0.1 倍
epsilon = 0.1*cv2.arcLength(contours[0],True) 
#绘制多边形
approx = cv2.approxPolyDP(contours[0],epsilon,True) 
# 在图像上绘制轮廓，颜色为红色，线宽为2
adp=cv2.drawContours(adp,[approx],0,(0,0,255),2)
cv2.imshow("result0.1",adp)

处理效果

步骤四：绘制精度为0.05倍周长的近似多边形轮廓

1. 复制图像；
2. 设置原始轮廓的边界点与逼近多边形边界之间的最大距离为轮廓的0.05倍；
3. 绘制多边形；
4. 在图像上绘制轮廓，颜色为红色，线宽为2并展示；

代码实现

#epsilon=0.05*周长
adp = o.copy()
epsilon = 0.05*cv2.arcLength(contours[0],True)
approx = cv2.approxPolyDP(contours[0],epsilon,True)
adp=cv2.drawContours(adp,[approx],0,(0,0,255),2)
cv2.imshow("result0.05",adp)

处理效果

步骤五：绘制精度为0.02倍周长的近似多边形轮廓

1. 复制图像；
2. 设置原始轮廓的边界点与逼近多边形边界之间的最大距离为轮廓的0.02倍；
3. 绘制多边形；
4. 在图像上绘制轮廓，颜色为红色，线宽为2并展示；
5. 等待释放窗口。

代码实现

#epsilon=0.02*周长
adp = o.copy()
epsilon = 0.02*cv2.arcLength(contours[0],True)
approx = cv2.approxPolyDP(contours[0],epsilon,True)
adp=cv2.drawContours(adp,[approx],0,(0,0,255),2)
cv2.imshow("result0.02",adp)
#等待释放窗口
cv2.waitKey()
cv2.destroyAllWindows()

处理效果

使用近似多边形的方法cv2.approxPolyDP()来获得图像的近似轮廓的过程中，可以通过控制参数epsilon来选取合适的近似多边形，方便后续的图像处理操作。

点击下载源码