findContours轮廓检测
轮廓检测,获取最外层矩形框的偏转角度angle
参数解释:image, contours, hier = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
第一个参数:二值化的图像,可以调用如下函数转为二值化图像
cv2.threshold(cv2.cvtColor(img, 127, 255, cv2.THRESH_BINARY))
第二个参数:表示轮廓的检索模式,有四种:
cv2.RETR_EXTERNAL表示只检测外轮廓
cv2.RETR_LIST检测的轮廓不建立等级关系
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
cv2.RETR_TREE建立一个等级树结构的轮廓。
第三个参数: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
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.
下面的代码对检测到的轮廓进行了筛选.并返回轮廓矩形坐标或倾斜角度
#检测轮廓
# ret, thresh = cv2.threshold(cv2.cvtColor(img, 127, 255, cv2.THRESH_BINARY))
image, contours, hier = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for c in contours: #遍历轮廓
rect = cv2.minAreaRect(c) #生成最小外接矩形
box_ = cv2.boxPoints(rect)
h = abs(box_[3, 1] - box_[1, 1])
w = abs(box_[3, 0] - box_[1, 0])
print("宽,高",w,h)
#只保留需要的轮廓
if (h > 3000 or w > 2200):
continue
if (h < 2500 or w < 1500):
continue
box = cv2.boxPoints(rect) # 计算最小面积矩形的坐标
box = np.int0(box) # 将坐标规范化为整数
angle = rect[2] #获取矩形相对于水平面的角度
if angle > 0:
if abs(angle) > 45:
angle = 90 - abs(angle)
else:
if abs(angle) > 45:
angle = (90 - abs(angle))
# 绘制矩形
# cv2.drawContours(img, [box], 0, (255, 0, 255), 3)
print("轮廓数量", len(contours))