计算机视觉轮廓检测,【计算机视觉（四）】轮廓检测

前情提要

上期结束前我们经过一些形态学处理得到了一幅这样的图(根据大家用的方法和参数设置可能会有出入)。

上期结果

可以看到即使经过一些腐蚀膨胀滤波的处理，图像依然有不少噪声，做计算机视觉就是这样的，没有银弹，只能不断的利用已有的信息逐步逼近我们想要的结果。

本期内容

本期介绍一些轮廓检测的方法，结合一些骚皮操作就能得到我们想要的车牌区域。

一、矩形检测

在OpenCV中检测矩形是用cv2.boundRect，接受的参数是一个由多个点组成的list，返回的是一个tuple，共有4个元素，分别表示矩形的左上角x坐标、左上角y坐标、宽度、高度，像这样。

(x,y,w,h) = cv2.boundingRect([(10,10),(20,25),(30,30),(60,10),(2,15)])

我准备了一个程序可以测试这个效果，运行程序以后点击图像可以在上面画点，按S键画矩形，按Q键退出。

# coding: utf-8

import cv2

import numpy as np

# 点集

points = []

# 窗口

window_name = 'DEMO'

window = cv2.namedWindow(window_name)

# 底图

img = np.zeros((300,300,3), dtype=np.uint8)

# 鼠标回调

def on_mouse(event, x, y, flags, param):

if event == cv2.EVENT_LBUTTONDOWN:

print 'Click at (%d,%d)' % (x,y)

points.append((x,y))

cv2.circle(img, (x,y), 3, (255,255,255), -1)

# 程序入口

def main():

global points, img

# 设置回调

cv2.setMouseCallback(window_name, on_mouse)

# 画图

while True:

cv2.imshow(window_name, img)

k = cv2.waitKey(1)

if k == ord('q'): # 退出

print 'EXIT'

return

elif k == ord('s'): # 绘制矩形

(x,y,w,h) = cv2.boundingRect(np.array(points))

cv2.rectangle(img, (x,y), (x+w,y+h), (0,255,0), 2)

elif k == ord('c'): # 清空

img[...] = 0

points = []

if __name__ == '__main__':

main()

由于我们得到的是掩码图而不是一堆点集，因此还要用一个函数检测出边界点——cv2.findContours。findContours可以找出各个连通域的内外边界点和结构化表示，在这里我们只需要外边界点而且不需要结构化信息。示例代码如下：

# coding: utf-8

import cv2

import numpy as np

# 程序入口

def main():

img = cv2.imread('mask.jpg')

gray = img[..., 0]

# 寻找点集

_, contours, _ = cv2.findContours(gray.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 画点

for cnt in contours:

for point in cnt:

point = (point[0][0], point[0][1])

cv2.circle(img, point, 1, (255,0,0), -1)

# 画图

cv2.imshow('DEMO', img)

cv2.imwrite('contours.jpg', img)

cv2.waitKey(0)

if __name__ == '__main__':

main()

检测到的点用蓝色标出，效果如下：

contours.jpg

接下来就可以对每个点集求出外接矩形了：

# 在每个点集上求外接矩形

for cnt in contours:

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

cv2.rectangle(img, (x,y), (x+w,y+h), (0,255,0), 2)

效果如下：

外接矩形

可以看到有很多个不同大小的矩形被检测出来了，但我们只想要车牌区域那一个，宽高比例信息是比较容易想到的用于筛选的信息之一，除此以外我还使用了白色区域占比的信息，代码如下：

# 在每个点集上求外接矩形

for cnt in contours:

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

# 白色区域占比

nonZeroRatio = float(cv2.countNonZero(gray[y:y+h, x:x+w])) / (w*h)

# 宽高比

whRatio = float(w) / h

# 高度大于20，宽高比大于3，白色区域占比大于0.7

if h > 20 and whRatio > 3.0 and nonZeroRatio > 0.7:

cv2.rectangle(img, (x,y), (x+w,y+h), (0,255,0), 2)

结果如下：

掩码结果

放到原图上看看效果：

原图结果