opencv轮廓检测

最新推荐文章于 2024-07-25 10:48:05 发布

吃土豆长大的马铃薯o

最新推荐文章于 2024-07-25 10:48:05 发布

阅读量1.5k

点赞数 1

分类专栏：计算机视觉文章标签： python

本文链接：https://blog.csdn.net/weixin_51210777/article/details/119081897

版权

计算机视觉专栏收录该内容

1 篇文章 0 订阅

订阅专栏

一、转化为灰度图

path = 'Resources/shapes.png'
img = cv2.imread(path)
imgContour = img.copy()
imgGray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

转换为灰度图之后

二、模糊处理

GaussianBlur()函数

对图像进行平滑（模糊）处理，上面代码展示是对灰度图像的模糊化处理。

imgBlue = cv2.GaussianBlur(imgGray,(7,7),1)

常用的参数是 cv2.GaussianBlur(src, (blur1, blur2), 0)：
第一个参数指的是原图像，
第二个参数高斯核大小，一般是奇数，其中越大则模糊程度越大，（1,1）则表示不处理，两个数可以不同。
第三个参数指的是标准差，一般取0。

三、边缘检测

Canny()函数

对图像进行边缘检测。在使用高斯滤波去除图像噪点消除影响后，可以对图像进行边缘检测。常用参数cv2.Canny(src, thresh1, thresh2) ：
第一个参数：src表示输入的图片，
第二个参数：thresh1表示最小阈值，
第三个参数：thresh2表示最大阈值，双阈值用于删选边缘信息。

imgCanny = cv2.Canny(imgBlue,50,50)

四、轮廓识别读取

cv2.findContours()函数

cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]])

第一个参数是寻找轮廓的图像

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。如果内孔内还有一个连通物体，这个物体的边界也在顶层。
cv2.RETR_TREE建立一个等级树结构的轮廓。

第三个参数method为轮廓的近似办法
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

coutuors,hierarchy = cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)

返回值

contour返回值

v2.findContours()函数首先返回一个list，list中每个元素(本例为2个)都是图像中的一个轮廓信息，list中每个元素(轮廓信息)类型为ndarray。len(contours[1]) 表示第一个轮廓储存的元素个数，即该轮廓中储存的点的个数。本例第一个轮廓为矩形，轮廓中有4个点，这是因为当参数mode 设置成： cv2.CHAIN_APPROX_SIMPLE ，轮廓中并不是存储轮廓上所有的点，而是只存储可以用直线描述轮廓的点的个数，比如一个“正立”的矩形，只需4个顶点就能描述轮廓。

 
print(type(contours))                         # 输出为：<class 'list'>
print(type(contours[0]))                      # 输出为：<class 'numpy.ndarray'>
print(len(contours))                          # 图像中轮廓的数量，输出为：2
print(len(contours[1]))                       # 轮廓1(矩形)中的元素(点)的数量， 输出为：4

hierarchy:

此外，该函数还可返回一个可选的hiararchy结果，这是一个ndarray，其中的元素个数和轮廓个数相同，每个轮廓contours[i]对应4个hierarchy元素hierarchy[i][0] ~hierarchy[i][3]，分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号，如果没有对应项，则该值为负数。

五、轮廓的绘制

cv2.drawContours()函数

cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset ]]]]])

第一个参数是指明在哪幅图像上绘制轮廓；
第二个参数是轮廓本身，在Python中是一个list。
第三个参数指定绘制轮廓list中的哪条轮廓，如果是-1，则绘制其中的所有轮廓。后面的参数很简单。其中thickness表明轮廓线的宽度，如果是-1（cv2.FILLED），则为填充模式。

cv2.drawContours(imgContour,cnt,-1,(0,255,0),3)

def getContours(img):
    coutuors,hierarchy = cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)
    for cnt in coutuors:
        area = cv2.contourArea(cnt)
        print(area)
        if area>500:##识别图形并过滤
            cv2.drawContours(imgContour,cnt,-1,(0,255,0),3)
            peri = cv2.arcLength(cnt,True)
            print(peri)

            approx = cv2.approxPolyDP(cnt,0.02*peri,True)
            print(len(approx))##找近似角点