16-opencv-python-Opencv中的轮廓

最新推荐文章于 2024-02-14 22:31:56 发布
最新推荐文章于 2024-02-14 22:31:56 发布
阅读量758 收藏 6
点赞数 1
分类专栏： # Opencv-python 文章标签： opencv 计算机视觉 python 图像识别
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44917390/article/details/106593149
版权

目录

一、轮廓

1、什么是轮廓

2、怎么绘制轮廓

3、轮廓的近似方法

二、轮廓特征

1、矩

2、轮廓面积

3、轮廓的周长（弧长）

4、轮廓近似

5、凸包、凸性检测

6、边界矩形

7、最小外接圆

8、椭圆拟合

9、直线拟合

 

一、轮廓

1、什么是轮廓

轮廓可以简单认为是成为连续的点（连着边界）连在一起的曲线，具有相同的颜色或者是灰度。轮廓在形状分析和物体识别方面中很有用。

  • 为了准确，要使用二值化图像。需要进行阀值化处理或者Canny边界检测
  • 查找轮廓的函数会修改原始图像。如果继续使用原始图像的话，应该将原始图像存储到其他变量中
  • 在Opencv中，查找轮廓就像是在黑色的背景中找白色物体。

2、怎么绘制轮廓

找到轮廓：contours, hierarchy = cv2.findContours(thresh, mode, method)

  • contours：轮廓本身（是一个列表）
  • hierachy：每条轮廓对应的属性
  • thresh：输入的二值化后的图像
  • mode：轮廓的检索模式，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
  • method：轮廓的近似办法：
  1. 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
  2.  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
  3. cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法

注意：opencv2返回两个值：contours：hierarchy；opencv3会返回三个值,分别是img, countours, hierarchy

绘制轮廓：cv2.drawContours( img, contours , contourIdx , color（r，g，b）,thickness)

  • contourIdx：绘制轮廓list中的哪条轮廓，如果是-1，则绘制其中的所有轮廓
  • color（r，g，b）：线条的颜色
  • thickness：轮廓线的宽度，如果是-1（cv2.FILLED），则为填充模式
import cv2
import numpy as np
import matplotlib.pyplot as plt

img = cv2.imread('outline1.png')
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(img_gray,127,255,0)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
imag = cv2.drawContours(img,contours,-1,(0,255,0),3)

while True:
    cv2.imshow('img',img)
    cv2.imshow('imag', imag)
    k = cv2.waitKey(1) & 0xFF
    if k == 27:
        break
cv2.destroyAllWindows()

对于每一个轮廓的counters都会有一个这样对应列表：

3、轮廓的近似方法

之前 提到的轮廓是一个形状具有相同灰度值的边界，它会存储形状边界上的所有的（x,y）坐标。实际上，我们不需要所有的点，当需要直线的时候，找到两个端点就可。cv2.CHAIN_APPROX_SIMPLE可以实现。它会将轮廓上的冗余点去掉，压缩轮廓，从而节约内存开支。

二、轮廓特征

1、矩

图像的矩可以帮助我们计算图像的质心、面积等

函数cv2.moments()会将计算得到的矩以一个字典的形式返回

import cv2

img = cv2.imread('rectangle.png',0)
ret, thresh = cv2.threshold(img, 127,255,0)
contours, hierarchy = cv2.findContours(thresh, 1, 2)
cnt = contours[0]
M = cv2.moments(cnt)
print(M)
print(len(M))
cx = int(M['m10']/M['m00'])
cy = int(M['m01']/M['m00'])
print(cx,cy)

#输出
{'m00': 135072.0, 'm10': 54501552.0, 'm01': 34443360.0, 'm20': 24467257248.0, 'm11': 13897895760.0, 'm02': 9716674464.0, 'm30': 11870574279480.0, 'm21': 6239150598240.0, 'm12': 3920678146224.0, 'm03': 2953896996960.0, 'mu20': 2475881016.0, 'mu11': -1.9073486328125e-06, 'mu02': 933617663.9999981, 'mu30': 0.0, 'mu21': 0.0018310546875, 'mu12': 0.00079345703125, 'mu03': 0.00048828125, 'nu20': 0.13570601851851852, 'nu11': -1.0454407429638942e-16, 'nu02': 0.0511727078891257, 'nu30': 0.0, 'nu21': 2.7307880219458127e-16, 'nu12': 1.1833414761765188e-16, 'nu03': 7.2821013918555e-17}
24
403 255

我们计算对象的重心：

在这里插入图片描述

2、轮廓面积

函数cv2.contourArea()计算得到

import cv2

img = cv2.imread('rectangle.png',0)
ret, thresh = cv2.threshold(img, 127,255,0)
contours, hierarchy = cv2.findContours(thresh, 1, 2)
cnt = contours[0]
area = cv2.contourArea(cnt)
print(area)

#输出
135072.0

3、轮廓的周长（弧长）

函数cv2.arcLength(cnt, True)计算周长（闭合：True）

import cv2

img = cv2.imread('rectangle.png',0)
ret, thresh = cv2.threshold(img, 127,255,0)
contours, hierarchy = cv2.findContours(thresh, 1, 2)
cnt = contours[0]
perimeter = cv2.arcLength(cnt, True)
print(perimeter)

#输出
1514.0

4、轮廓近似

将轮廓形状近似到另外一种由更少点组成的轮廓形状，新轮廓形状的点的数目由我们设定的准确度来决定。

假设我们要在一幅图片中查找一个矩形，但是由于图像的种种原因我们找不到一个完美的矩形，而是一个鼓鼓的矩形，那么我们可以用函数来近似这个形状：

epsilon = 0.1*cv2.arcLength(cnt, True)
approx = cv2.approxPolyDP(cnt, epsilon, True)

import cv2

img = cv2.imread('rectangle.png',0)
ret, thresh = cv2.threshold(img, 127,255,0)
contours, hierarchy = cv2.findContours(thresh, 1, 2)
cnt = contours[0]
epsilon = 0.1*cv2.arcLength(cnt, True)
approx = cv2.approxPolyDP(cnt, epsilon, True)
print(approx)

#输出
[[[169 111]]

 [[169 399]]

 [[638 399]]

 [[638 111]]]

5、凸包、凸性检测

暂不处理

6、边界矩形

直边界矩形，一个直矩形，没有旋转，所以直矩形的面积不是最小的。可以通过函数找到：

注意注意：千万不要直接img = cv2.imread('outline2.png'，0)这样读取一个灰度图片，这样，你在画图像的时候你会发现，我为什么画出来的只有灰度线条！

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

  • (x,y)：矩形的左上角的坐标
  • (x+w,y+h)：矩形的宽和长

rect = cv2.minAreaRect(cnt)
box = np.int0(cv2.boxPoints(rect))
cv2.polylines(img,[box],True,(255,0,0),2)

  • rect：得到最小外接矩形的（中心(x,y), (宽,高), 旋转角度）
  • box：得到最外接矩形的四个点
import numpy as np
import cv2

img = cv2.imread('outline2.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127,255,0)
contours, hierarchy = cv2.findContours(thresh, 1, 2)
cnt = contours[0]
#画出直形矩形
x,y,w,h = cv2.boundingRect(cnt)
print(x,y,w,h)
cv2.rectangle(img, (x,y), (x+w,y+h),(0,0,255),2)
#画出最小矩形（由画多边形的代码画出）
rect = cv2.minAreaRect(cnt)
box = np.int0(cv2.boxPoints(rect))
print(box)#矩形的四个点
cv2.polylines(img,[box],True,(255,0,0),2)
while True:
    cv2.imshow('image',img)
    k = cv2.waitKey(1) & 0xFF
    if k == 27:
        break
cv2.destroyAllWindows()

#输出
161 52 545 400
[[191 480]
 [ 93 313]
 [663 -19]
 [761 148]]

7、最小外接圆

(x,y), radius = cv2.minEnclosingCircle(cnt)

得到圆心坐标和半径

import cv2

img = cv2.imread('outline2.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127,255,0)
contours, hierarchy = cv2.findContours(thresh, 1, 2)
cnt = contours[0]
(x,y), radius = cv2.minEnclosingCircle(cnt)
center = (int(x),int(y))
radius = int(radius)
cv2.circle(img, center, radius, (0,255,0),2)
while True:
    cv2.imshow('image',img)
    k = cv2.waitKey(1) & 0xFF
    if k == 27:
        break
cv2.destroyAllWindows()

8、椭圆拟合

ellipse = cv2.fitEllipse(cnt)
cv2.ellipse(img, ellipse,(0,255,0),2)

import cv2

img = cv2.imread('outline2.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127,255,0)
contours, hierarchy = cv2.findContours(thresh, 1, 2)
cnt = contours[0]
ellipse = cv2.fitEllipse(cnt)
cv2.ellipse(img, ellipse,(0,255,0),2)
while True:
    cv2.imshow('image',img)
    k = cv2.waitKey(1) & 0xFF
    if k == 27:
        break
cv2.destroyAllWindows()

9、直线拟合

可以根据一组点拟合出一条直线，同样我们也可以为图像中的白色点拟合出一条直线

rows, cols = img.shape[:2]
[vx,vy,x,y] = cv2.fitLine(cnt, cv2.DIST_L2,0,0.01,0.01)
lefty = int((-x*vy/vx)+y)
righty = int(((cols-x)*vy/vx)+y)
cv2.line(img, (cols-1,righty),(0,lefty),(0,255,0),5)

  • (cols-1,righty),(0,lefty)：直线的两个坐标
import cv2

img = cv2.imread('outline2.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127,255,0)
contours, hierarchy = cv2.findContours(thresh, 1, 2)
cnt = contours[0]
rows, cols = img.shape[:2]
[vx,vy,x,y] = cv2.fitLine(cnt, cv2.DIST_L2,0,0.01,0.01)
lefty = int((-x*vy/vx)+y)
righty = int(((cols-x)*vy/vx)+y)
cv2.line(img, (cols-1,righty),(0,lefty),(0,255,0),5)
print((cols-1,righty),(0,lefty))
while True:
    cv2.imshow('image',img)
    k = cv2.waitKey(1) & 0xFF
    if k == 27:
        break
cv2.destroyAllWindows()

#输出
(797, -12) (0, 571)

 

 

 

 

 

 

 

 

手可摘星辰不去高声语
关注
  • 1
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
OpenCV每日函数 结构分析和形状描述符(1) 多边形逼近/轮廓近似
学以致用 知行合一
08-03 2080
当进行多边形或形状分析的时候，通常使用多边形逼近一个轮廓，使顶点数变少。虽然更多的数据确实为您的解决方案提供了更好的视角，但它也引入了计算复杂性和存储等问题。 Contour approximation 使用Ramer-Douglas-Peucker (RDP)算法，旨在通过减少给定阈值的顶点来简化折线。通俗地说，我们采用一条曲线并减少其顶点数量，同时保留其大部分形状。给定曲线的起点和终点，算法将首先找到距离连接两个参考点的线最大距离的顶点。让我们将其称为最大点。如果最大点距离小于阈值.........
python-opencv在有噪音的情况下提取图像的轮廓实例
09-21
下面小编就为大家带来一篇python-opencv在有噪音的情况下提取图像的轮廓实例。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧
OpenCV(10): 轮廓近似—多边形拟合，边界矩形与边界圆形
m0_50317149的博客
04-10 9152
轮廓近似（Contour Approximation）是指对轮廓进行逼近或拟合，得到近似的轮廓。
opencv中轮廓检测以及轮廓近似的分析——轮廓近似原理，所有代码开源，所有函数的参数。
Mr_zhubao的博客
02-14 2662
其中可以看到函数中有一个参数是需要我们自己进行计算的：指定的精度（epsilon），这个参数也是由前面的系数决定的，在示例中用的系数是0.01，实际上可以根据自己对精度的需求自行调整。cv2.RETR_CCOMP：检索所有的轮廓，并将他们分为两个等级的轮廓。上一层是外部边界，里一层是空洞的边界。cv2.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（轮廓的近似的实现：实际上轮廓的近似的实现就是将复杂的曲线用一些直线来代替，使图像更加的光滑和规则化。
Opencv计算机视觉实战(Python版)
01-22
Opencv计算机视觉实战课程旨在帮助大家快速掌握机器视觉领域必备知识点原理及其在Opencv中的使用方法。课程风格通俗易懂，用最接地气的方式来讲解晦涩难懂的知识点。整体设计以项目实战来驱动学习，课程中所有代码均使用Python完成，在实战中首先讲解整体解决方案，接下来通过Debug模式来一步步分析每一行代码的作用及其完成的效果，提供全部课件及项目中所使用代码和数据。
Python opencv 加载、显示、保存、图像转换、轮廓检测
qq_52593610的博客
10-13 1089
Python opencv 2、加载、显示、保存图片、二值化、反色、膨胀、腐蚀运算、轮廓检测、轮廓填充
opencv-python-4.10.0.84.tar.gz
最新发布
06-26
在本案例中，我们讨论的是OpenCV的Python接口的4.10.0.84版本，它是一个经过编译的二进制包，文件名为`opencv-python-4.10.0.84.tar.gz`。 `opencv-python`库主要由以下部分组成： 1. 图像处理基础：包括读取、...
python-opencv指针识别.zip
07-03
在本项目"python-opencv指针识别.zip"中，我们主要关注的是如何使用Python和OpenCV库进行指针的识别。OpenCV是一个强大的计算机视觉库，广泛应用于图像处理和计算机视觉任务，包括图像分析、对象识别和模式检测。在...
python-opencv获取二值图像轮廓及中心点坐标的代码
09-18
总结一下，通过使用OpenCV的`findContours()`函数、计算轮廓的矩以及`drawContours()`和`circle()`函数，我们可以实现从二值图像中提取轮廓并找到其中心点的功能。这些基础操作对于进行更复杂的图像处理和分析任务至...
Python-OpenCV计算机视觉应用示例
07-07
在这个压缩包文件`python-examples-cv-master`中，可能包含了各种Python脚本，涵盖了OpenCV的基础到进阶应用。 1. **OpenCV基础** - 图像读取与显示：使用`cv2.imread()`函数读取图片，`cv2.imshow()`函数显示图片...
OpenCV-python学习笔记（十二）——图像轮廓
weixin_56321457的博客
08-03 4492
OpenCV-python学习笔记（十二）——图像轮廓
python+opencv 轮廓属性学习
weixin_43474255的博客
12-25 2033
x,y,w,h = cv.boundingRect(cnt) area = cv.contourArea(cnt) #面积，长度，长宽比。 # 如何让将指定轮廓的目标保存，消除不满足条件的轮廓 参考代码 # 找出轮廓的不同特征，如面积、周长、质心、边界盒等 # moments矩可以计算物体的质心、面积等特征;函数cv2.moments（）提供了一个计算出所有力矩值的字典。 import cv2 import numpy as np image = cv2.imread('opencv_logo.j
Python + Opencv2 实现轮廓提取、颜色标记，区域面积计算！
热门推荐
小张Python
05-10 2万+
做图像处理时，会遇到这样一个场景：找到图像主体轮廓，这是其一，可能为了凸显轮廓，需要用指定的颜色进行标记；轮廓标记完可能任务还没有结束，还需对轮廓所勾勒的像素面积区域统计计算。 本篇文章的主要内容就是要解决上面场景遇到的三个问问题 找到图像主题轮廓； 用指定颜色对源图像进行轮廓标记； 计算轮廓中的主体; 实验环境配置为 Python + Opencv 3.4， 处理的图像如下： 第一步，提取轮廓，Opencv 中的 findContours() 函数 可以直接提取轮廓，但对输入图像有一定要求 一，输
《2019/05/29》python-opencv学习笔记
guoxiaozhong的博客
06-05 445
于2019/05/29开始学习 1. 图像读取与显示
opencv-python 详解轮廓特征和轮廓属性
RayChiu757374816的博客
08-25 1345
目录 图像矩： 凸包及更多轮廓特征: 轮廓属性： 图像矩： 图像矩是对特征进行参数描述的一种算法，包含的特征有颜色特征、纹理特征、形状特征。矩可以理解为图像的各类几何特征。 图像识别的一个核心问题是图像的特征提取，简单描述即为用一组简单的数据(数据描述量)来描述整个图像，这组数据月简单越有代表性越好。良好的特征不受光线、噪点、几何形变的干扰，图像识别技术的发展中，不断有新的描述图像特征提出，而图像不变矩就是其中一个。 从图像中计算出来的矩通常描述了图像不同...
(三)OpenCV中的图像处理之轮廓
y=f(x)的专栏
05-29 1万+
注释：本文翻译自OpenCV3.0.0 document->OpenCV-Python Tutorials，包括对原文档种错误代码的纠正该章节分为以下四个小节：(一)     Contours：Getting Started（轮廓：开始）(二)     Contours Features（轮廓特征）(三)     Contours Properties（轮廓属性）(四)     Contou...
python--图像轮廓findContours
xiachong27的博客
03-27 1343
为更精确的准确率，使用二值图 未完。。。。。
python opencv入门 更多关于轮廓的函数（20）
@fei
08-05 4030
内容来自OpenCV-Python Tutorials 自己翻译整理目标 如何找到凸缺陷 某一点到多边形的最短距离 不同形状匹配凸缺陷在目标图形上的任何凹陷都可以被看作凸缺陷，在Opencv中有cv2.convexityDefects()函数可以找到凸缺陷。import cv2 import numpy as np img = cv2.imread('11.jpg') img_gray = c
opencv4.2.0.34+python3.8.2+（直线检测、圆检测、轮廓发现、对象测量、膨胀和腐蚀、开闭操作、形态学操作、分水岭算法、人脸检测、识别验证码）
进击的扛把子
07-13 1727
二十二、直线检测 二十三、圆检测 二十四、轮廓发现 二十五、对象测量 二十六、膨胀和腐蚀 二十七、开闭操作 二十八、其他形态学操作 二十九、分水岭算法（基于距离变换） 三十、人脸检测 三十一、识别验证码
python-opencv 空心轮廓识别
01-11
以下是使用Python和OpenCV进行空心轮廓识别的示例代码： ```python import cv2 # 读取图像 image = cv2.imread('image.jpg') # 将图像转换为灰度图像 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 进行二值化处理 ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 查找轮廓 contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 绘制空心轮廓 cv2.drawContours(image, contours, -1, (0, 0, 255), 2) # 显示结果图像 cv2.imshow('Contours', image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 这段代码首先读取一张图像，然后将其转换为灰度图像，并进行二值化处理。接下来，使用`cv2.findContours()`函数查找图像中的轮廓。最后，使用`cv2.drawContours()`函数绘制空心轮廓，并显示结果图像。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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