Opencv轮廓检测

轮廓和边缘的区别

检测边缘的经典算子:sobel算子、Scharr算子、laplacian算子
在这里插入图片描述
边缘检测的一套组合操作:Canny边缘检测

  1. 使用高斯滤波器,以平滑图像,滤除噪声。

  2. 计算图像中每个像素点的梯度强度和方向。

  3. 应用非极大值(Non-Maximum Suppression)抑制,以消除边缘检测带来的杂散响应。

  4. 应用双阈值(Double-Threshold)检测来确定真实的和潜在的边缘。
    在这里插入图片描述 (双阈值的解释)

  5. 通过抑制孤立的弱边缘最终完成边缘检测。
    在这里插入图片描述
    图像轮廓是:一个整体

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。

(左边是CHAIN_APPROX_NONE,右边是CHAIN_APPROX_SIMPLE)
在这里插入图片描述

轮廓检测步骤

  1. 读入图片,并转换图片为灰度图
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  2. 使用图像阈值进行二值化(为了更好的边缘检测)
    ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
  3. 调用cv2.findContours(轮廓信息都在contours里面)
    binary, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
  4. 绘制轮廓drawContours(传入绘制图像,轮廓,轮廓索引,颜色模式,线条厚度)
    res = cv2.drawContours(draw_img, contours, -1, (0, 0, 255), 2)(-1表示所有轮廓)

轮廓特征

求轮廓面积:cv2.contourArea(cnt)
求轮廓周长:cv2.arcLength(cnt,True)
其中cnt是我取的第一条轮廓。。

轮廓近似

画出第一条轮廓

img = cv2.imread('contours2.png')

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
binary, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
cnt = contours[0]

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

在这里插入图片描述
再进行轮廓近似操作(近似和0.15这个位置的数字取值有关)

epsilon = 0.15*cv2.arcLength(cnt,True) 
approx = cv2.approxPolyDP(cnt,epsilon,True)

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

在这里插入图片描述

原理

AB的曲线用直线近似
在这里插入图片描述

  1. 在曲线AB上做直线的垂线,取垂直距离最大的点为C
  2. 如果垂直距离小于阈值,就可以进行轮廓近似
  3. 如果垂线大于阈值,再进行二分法的拆分,再循环2操作。

在这里插入图片描述
在这里插入图片描述

之前代码里的那个数字(0.15)就是阈值(这下就透彻了。。。)

轮廓的外接矩形

cv2.boundingRect(cnt)

cv2.rectangle 这个函数的作用是在图像上绘制一个简单的矩形

img = cv2.imread('contours.png')
cv_show(img,'img')

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
binary, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
cnt = contours[0]

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')

在这里插入图片描述 在这里插入图片描述

轮廓的外接圆

(x,y),radius = cv2.minEnclosingCircle(cnt) 
center = (int(x),int(y)) 
radius = int(radius) 
img = cv2.circle(img2,center,radius,(0,255,0),2)
cv_show(img,'img')

在这里插入图片描述 在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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

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