Opencv学习3.形状识别模块

Shape Detection

轮廓检测

contours, hierarchy = cv2.findContours(image,mode,method)

• 第一个参数输入图像，
• 第二个参数表示轮廓的检索模式，有四种：
  1.cv2.RETR_EXTERNAL表示只检测外轮廓
  2.cv2.RETR_LIST检测的轮廓不建立等级关系
  3.cv2.RETR_CCOMP建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层。
  4.cv2.RETR_TREE建立一个等级树结构的轮廓。
• cv2.CHAIN_APPROX_NONE存储所有的轮廓点，相邻的两个点的像素位置差不超过1，即max（abs（x1-x2），abs（y2-y1））==1
  cv2.CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息
  cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法

计算轮廓面积

contourArea(contour,oriented = False)

此函数利用格林公式计算轮廓的面积。对于具有自交点的轮廓，该函数几乎肯定会给出错误的结果。

1.contour:输入二维的向量，存储为vector(C++)或Mat。
2.oriented:有方向的区域标志。

• true:此函数依赖轮廓的方向（顺时针或逆时针）返回一个已标记区域的值。
• false:默认值。意味着返回不带方向的绝对值。

计算轮廓长度

cv2.arcLength(InputArray curve, bool closed)

• curve，输入的二维点集（轮廓顶点），可以是 vector 或 Mat 类型。
• closed，用于指示曲线是否封闭。

多边拟合函数

主要功能是把一个连续光滑曲线折线化，对图像轮廓点进行多边形拟合

cv2.approxPolyDP(InputArray curve, OutputArray approxCurve, double epsilon, bool closed)

• InputArray curve:一般是由图像的轮廓点组成的点
• OutputArray approxCurve：表示输出的多边形点集
• double epsilon：主要表示输出的精度，就是另个轮廓点之间最大距离数，5,6,7，，8…
• bool closed：表示输出的多边形是否封闭

获得最小矩形边框

x,y,w,h = cv2.boundingRect(img)

def geContours(img):
    countors,Hierarchy = cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)
    for cnt in countors:
        area = cv2.contourArea(cnt)
        print(area)
        if area>500:
            cv2.drawContours(imgContour,cnt,-1,(255,0,0),3)
            peri = cv2.arcLength(cnt,True)
            print(peri)
            approx = cv2.approxPolyDP(cnt,0.02*peri,True)
            print(len(approx))
            objCor = len(approx)
            x,y,w,h = cv2.boundingRect(approx)
            
            #判断形状
            if objCor == 3: objType = "Tri"
            elif objCor == 4:
                aspRatio = w/float(h)
                if aspRatio >0.95 and aspRatio <1.05: objType= "Square"
                else:objType="Rectangle"
            elif objCor>4: objType= "circles"