轮廓相关内容整理

轮廓

• 从轮廓出发，推荐几个强大的几何科学库-python

什么是轮廓

• 图像中连续的像素边界，由相同像素值组成的曲线，它们接连相同的颜色或者灰度值，具有连续性

opencv库常见相关操作

获取轮廓

• cv2.findContours

  # opencv3.x
  	image, contours, hierarchy = cv2.findContours( image, mode, method)
  # opencv4.x
  	contours, hierarchy = cv2.findContours( image, mode, method)
  '''
  
  # 返回值
  	1.image ： 与函数参数中的原始图像image一致
  		在opencv4.x中该返回值已经被取消
  	2.contours(轮廓) :返回的轮廓
  		<class 'list'> list中的每个元素都是图像的一个轮廓，用Numpy中的ndarray结构表示，包含轮廓（多边形）的所有点
  	3.hierarchy ：图像的拓扑信息（轮廓层次）
  		[Next，Previous，First_Child，Parent]
  		Next: 后一个轮廓的索引编号
  		Previous： 前一个轮廓的索引编号
  		First_Child: 第1个子轮廓的索引编号
  		Parent： 父轮廓的索引编号
  		-1： 没有对应关系
  		
  # 参数
  	1.image : 原始图像。
  		8位单通道图像，所有非零值被处理为1，所有零值保持不变。也就是说灰度图像会被自动处理为二值图像。在实际操作中，可以根据需要，预先使用阈值处理等函数将待查找轮廓的图像处理为二值图像。
  	2.mode ： 轮廓检索模式
  		cv2.RETR_EXTERNAL：只检测外轮廓
  		cv2.RETR_LIST：对检测到的轮廓不建立等级关系
  		cv2.RETR_CCOMP：检索所有轮廓并将它们组织成两级层次结构。上面的一层为外边界，下面的一层为内孔的边界。如果内孔内还有一个连通物体，那么这个物体的边界仍
  然位于顶层
  		cv2.RETR_TREE：建立一个等级树结构的轮廓		
  	3.method ： 轮廓的近似方法，决定如何表达轮廓
  		cv2.CHAIN_APPROX_NONE：存储所有的轮廓点，相邻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，在极端的情况下，一个矩形只需要用 4 个点来保存轮廓信息
  		cv2.CHAIN_APPROX_TC89_L1：使用 teh-Chinl chain 近似算法的一种风格
  		cv2.CHAIN_APPROX_TC89_KCOS：使用 teh-Chinl chain 近似算法的一种风格
  
  '''
  

• cv2.drawContours

  # cv2.drawContours(image, contours, contourIdx, color, thickness, lineType, hierarchy, maxLevel, offset)
  # 画轮廓的函数
  '''
  	image:要绘制轮廓的目标图像，底图
  	contours：轮廓数据，python列表，包含所有轮廓的点集
  	contourldx： 指定要绘制的轮廓的索引，如果是负值，则绘制所有的轮廓
  	color： 轮廓线条的颜色。三通道底图时使用BGR格式
  	thickness: 轮廓线条的厚度，如果为负值（如cv2.FILLED）,则填充轮廓内部
  	lineType: 线条的类型，有8（8-connected line）、4（4-connected line）和cv2.LINE_AA(抗锯齿线)
  	hierarchy(可选):轮廓层次结构，通常由cv2.findContours()返回，如果提供，该参数将用于绘制轮廓的层次结构
  	maxLevel（可选）：用于绘制轮廓层次结构的最大层次，默认值为0，表示只绘制当前层次的轮廓，如果为负值，则绘制所有层次的轮廓
  	offset（可选）: 轮廓点坐标的偏移量，默认值为（0,0）
  '''
  
  

  ​

快速获取最大轮廓

• cv2.contourArea

  # areas = cv2.contourArea(contour[, oriented_area])
  # 计算给定轮廓的面积，输入参数可以是一个轮廓，也可以是一个点集或者一个层次结构
  '''	
  	通过格林公式计算轮廓面积		
  	oriented_area = True 表示计算有向面积
  	轮廓的面积计算是基于轮廓点的坐标，因此轮廓点的顺序（顺时针或逆时针）会影响有向面积的值。
  '''
  

• sorted

  # sorted(sorted(iterable, key=None, reverse=False))
  '''
  	iterable： 可迭代对象
  	key ： 用来比较的元素，只能传入一个参数（确定一个排序依据）
  	reverse：True时表示逆序（从高到低），False表示正序（从低到高）
  	## 可使用lambda函数作为key
  '''
  
  '''
  	将cv2.contourArea得到的轮廓面积集和送入sorted即可找到面积最大的轮廓
  '''
  

cv2.approxPolyDP

# points_list = cv2.approxPolyDP(curve, epsilon, closed)
# 用于对轮廓进行多边形近似。这个函数可以简化轮廓的形状，通过减少轮廓点的数量，同时尽可能保留原始轮廓的形状。
'''
	# 返回值 
		points_list : 多边形点的数组，每个多边形由一个点的列表组成
	# 参数
		curve ： 输入的轮廓点数组，通常是 cv2.findContours 函数返回的结果
		epsilon：近似参数，表示轮廓点之间的最大距离。这个值越小，近似后的多边形越接近原始轮廓，但轮廓点的数量会越多；值越大，近似后的多边形越简单，但可能会丢失一些细节
		closed：布尔值，表示近似后的多边形是否是闭合的。如果为 True，则近似后的多边形是闭合的；如果为 False，则近似后的多边形可能不是闭合的。
'''

轮廓到矩形

• cv2.minAreaRect

  # Box2D = cv2.minAreaRect(points)
  # 计算给定轮廓的最小面积矩形（bounding box）。这个矩形不一定是正方形或矩形，它可能是一个平行四边形，取决于轮廓的形状。
  '''
  	# 返回值 
  		Box2D对象：
  			box：一个包含四个顶点的数组，表示最小面积矩形的顶点，顶点按照顺时针或逆时针顺序排列。
  			center：矩形的中心点坐标。
  			size：矩形的宽度和高度，是一个包含宽度和高度的元组 (width, height)。
  			angle：矩形的旋转角度，以度为单位，相对于水平轴。
  	# 参数
  		points：多边形的点集
  
  '''
  

• cv2.boundingRect

  # tuple（x,y,width,height） = cv2.boundingRect(points[, depth])
  # 计算一个点集的边界矩形。这个函数会返回包含所有点的最小矩形的左上角坐标和尺寸。
  '''
  	# 返回值
      	包含x y width height 的元组  最小矩形的左上角坐标和尺寸
      # 参数
      	points：输入的点集，可以是一个点的数组或者二维点集（例如，由 cv2.findContours 返回的轮廓点）。
  		depth：（可选）输出数组的深度，如果设置为 -1，则输出数组的深度与输入数组相同。
      	
  
  '''
  

最小外接圆，最小外接椭圆

• cv2.minEnclosingCircle

  #  tuple(center, radius, errors) = cv2.minEnclosingCircle(points)
  # 用于计算一组点的最小包围圆。这个函数会找到一个圆，使得所有点都尽可能地靠近圆周，并且圆的面积是最小的
  '''
  	# 返回值：
  		center: 圆心坐标（x,y）
  		radius: 圆的半径
  		errors： 一个布尔值数组，表示每个点是否在院内或圆上。如果 errors 为 None，则表示所有点都在圆内或圆上。
  	# 参数
  		points:点集
  '''
  

• cv2.ellipse

  # cv2.ellipse(img, center, axes, angle, startAngle, endAngle, color[, thickness[, lineType[, shift]])
  # 用于在图像上绘制椭圆。这个函数可以用于绘制具有任意中心、轴长度、旋转角度和起始/结束角度的椭圆。
  '''
  	img：要在其上绘制椭圆的图像
  	center：椭圆的中心点坐标 (x, y)
  	axes：一个包含半轴长度的元组 h_size, w_size，其中 h_size 是沿 y 轴的半轴长度，w_size 是沿 x 轴的半轴长度
  	angle：椭圆相对于 x 轴的旋转角度（以度为单位)
  	startAngle：椭圆的起始角度，以度为单位
  	endAngle：椭圆的结束角度，以度为单位
  	color：绘制椭圆的颜色，以 BGR 格式指定
  	thickness：线条的粗细。如果为负值（例如 -1），则椭圆将被填充
  	lineType：线条的类型，可以是 cv2.LINE_4, cv2.LINE_8 等
  	shift：角度和轴长度的缩放因子	
  '''
  

轮廓的性质/属性

• 长宽比：边界矩形的长宽比
• Extend：轮廓面积与边界矩形面积的比
• Solidity：轮廓面积与凸包的比
• 与轮廓面积相等的圆形的直径
• 方向：对象的方向，下面的方法还会返回长轴和短轴的长度
• 掩膜和像素点
• 最大值和最小值及它们的位置
• 平均颜色及平均灰度
• 极点

shapely库

简介

一个强大的python库，用于处理和分析二维集和对象（用于操作和分析笛卡尔坐标系中的几何对象），基于GEOS(Geometry Engine - Open Source)库实现，提供了丰富的几何操作功能，如计算面积、长度、交集和并集等等。hapely在地理信息系统(GIS)、计算几何学和空间分析等领域有广泛应用。

几何对象（继承Geometry类）

• 点：Point
• 线：LineString
• 多边形：Polygon
• 多点集合：MultiPoint
• 多线集合：MultiLineString
• 多多边形集合：MultiPolygon

基本用法

• 创建几何对象
• 基本属性和操作
• 几何操作
• 空间关系
• 高级应用

相关地址

• github https://github.com/shapely/shapely
• 文档 https://shapely.readthedocs.io/en/stable/

pyclipper

简介

• pyclipper是Angus Johnson’s Clipper库的Python封装版本。它提供了一系列用于多边形裁剪和偏移的算法,这些算法既快速又准确,能够处理复杂的多边形运算
• 主要特点:
  • 支持多种多边形运算(并集、交集、差集等)
  • 高效的多边形偏移(膨胀/收缩)
  • 处理自交多边形和多个多边形
  • 支持整数和浮点数坐标

相关地址

• github https://github.com/fonttools/pyclipper

scikit-geometry

简介

• 简介：scikit-geometry包含了大量的几何算法。目前，scikit-geometry的大部分功能来自于成熟稳定的计算几何算法库（CGAL）包，这是一系列用C++编写的几何算法集合。
• 支持的类型
  • Point2, Point3
  • Segment2, Ray2, Line2, Segment3, Ray3, Line3
  • Vector2, Vector3
  • Circle2
  • IsoRectangle2, Bbox2
  • Plane3, Triangle3
  • Polyhedron3

相关地址

• github https://github.com/scikit-geometry/scikit-geometry