图形检测
图像的轮廓
findContours()方法可以通过计算图像梯度来判断图像的边缘,然后将边缘的点封装成数组返回。
contours, hierarchy = cv2.findContours(image, mode, methode)
参数说明:
image:被检测的图像,必须是8位单通道二值图像。如果原始图像是彩色图像,必须转为灰度图像,并经过二值化处理。
mode:轮廓的检索模式
参数值 | 含义 |
---|---|
cv2.RETR_EXTERNAL | 只检测外轮廓 |
cv2.RETR_LIST | 检测所有轮廓,但不建立层次关系 |
cv2.RETR_CCOMP | 检测所有轮廓,并建立两级层次关系 |
cv2.RETR_TREE | 检测所有轮廓,并建立树状结构的层次关系 |
methode:检测轮廓时使用的方法,具体值如表所示。
参数值 | 含义 |
---|---|
cv2.CHAIN_APPROX_NONE | 储存轮廓上的所有点 |
cv2.CHAIN_APPROX _SIMPLE | 只保存水平、垂直或对角线轮廓的端点 |
cv2.CHAIN_APPROX_TC89_LI | Ten—Chinl近似算法中的一种 |
cv2.CHAIN_APPROX_TC89_KCOS | Ten—Chinl近似算法中的一种 |
返回值说明:
contours:检测出的所有轮廓,list类型,每一个元素都是某个轮廓的像素坐标数组。
hierarchy:轮廓之间的层次关系。
drawContours()方法绘制轮廓
image = cv2.drawContours(image, contours, contourIdx, color, thickness, lineTypee, hierarchy, maxLevel, offse)
参数说明:
image:被绘制轮廓的原始图像,可以是多通道图像。
contours:findContours()方法得出的轮廓列表。
contourIdx:绘制轮廓的索引,如果为-1则绘制所有轮廓。
color:绘制颜色,使用BGR格式。
thickness:可选参数,画笔的粗细程度,如果该值为-1则绘制实心轮廓。
lineTypee:可选参数,绘制轮廓的线型。
hierarchy:可选参数,findContours()方法得出的层次关系。
maxLevel:可选参数,绘制轮廓的层次深度,最深绘制第maxLevel层。
offse:可选参数,偏移量,可以改变绘制结果的位置。
返回值说明:
image:同参数中的image,执行后原始图中就包含绘制的轮廓了,可以不使用此返回值保存结果。
轮廓拟合
boundingRect()方法可以自动计算轮廓最小矩形边界的坐标、宽和高。
retval = cv2.boundingRect (array)
参数说明:
array:轮廓数组。
返回值说明:
retval:元组类型,包含4个整数值,分别是最小矩形包围框的:左上角顶点的横坐标、左上角顶点的纵坐标、矩形的宽和高。所以 也可以写成x, y, w, h = cv2.boundingRect(array)的形式。
minEnclosingCircle ()方法可以自动计算轮廓最小圆形边界的圆心和半径。
center, radius = cv2.minEnclosingCircle(points)
参数说明:
points:轮廓数组。
返回值说明:
center:元组类型,包含2个浮点值,是最小圆形包围框圆心的横坐标和纵坐标。
radius:浮点类型,最小圆形包围框的半径。
凸包
convexHull()方法可以自动找出轮廓的凸包
hull = cv2.convexHull(points, clockwise, returnPoints)
参数说明:
points:轮廓数组。
clockwise:可选参数,布尔类型。当该值为True时,凸包中的点按顺时针排列,为False时按逆时针排列。
returnPoints:可选参数,布尔类型。当该值为True时返回点坐标,为False时返回点索引。默认值为True。
返回值说明:
hull:凸包的点阵数组。
Canny边缘检测
Canny()方法根据像素的梯度变化寻找图像边缘,最终可以绘制十分精细的二值边缘图像
edges = cv2.Canny(image, threshold1, threshold2, apertureSize, L2gradient)
参数说明:
image:检测的原始图像。
threshold1:计算过程中使用的第一个阈值,可以是最小阈值,也可以是最大阈值,通常用来设置最小阈值。
threshold2:计算过程中使用的第二个阈值,通常用来设置最大阈值。
apertureSize:可选参数,Sobel算子的孔径大小。
L2gradient:可选参数,计算图像梯度的标识,默认值为False。值为True时采用更精准的算法进行计算。
返回值说明:
edges:计算后得出的边缘图像,是一个二值灰度图像。
在开发过程中可以通过调整最小阈值和最大阈值控制边缘检测的精细程度。当2个阈值都较小时,检测出较多的细节;当2个阈值都较大时,忽略较多的细节。
霍夫变换
霍夫变换是一种特征检测,通过算法识别图像的特征,从而判断图像中的特殊形状,例如直线和圆。本节将介绍如何检测图像中的直线和圆
直线检测
cv2.HoughLines()和cv2.HoughLinesP(),前者用于检测无限延长的直线,后者用于检测线段。
HoughLinesP()方法最后把找出的所有线段的两个端点坐标保存成一个数组。
lines = cv2.HoughLinesP(image, rho, theta, threshold, minLineLength, maxLineGap)
参数说明:
image:检测的原始图像。
rho:检测直线使用的半径步长,值为1时,表示检测所有可能的半径步长。
theta:搜索直线的角度,值为π/180°时,表示检测所有角度。
threshold:阈值,该值越小,检测出的直线就越多。
minLineLength:线段的最小长度,小于该长度的线段不记录到结果中。
maxLineGap:线段之间的最小距离。
返回值说明:
lines:一个数组,元素为所有检测出的线段,每条线段是一个数组,代表线段两个端点的横、纵坐标,格式为[[[x1, y1,x2, y2], [x1, y1, x2, y2]]]。
[!CAUTION]
使用该方法前应该为原始图像进行降噪处理,否则会影响检测结果。
圆环检测
HoughCircles()方法用于检测图像中的圆环
该方法在检测过程中进行两轮筛选:第一轮筛选找出可能是圆的圆心坐标,第二轮筛选计算这些圆心坐标可能对应的半径长度。该方法最后将圆心坐标和半径封装成一个浮点型数组。
circles = cv2.HoughCircles(image, method, dp, minDist, param1, param2, minRadius, maxRadius)
参数说明:
image:检测的原始图像。
method:检测方法,OpenCV 4.0.0及以前版本仅提供了cv2.HOUGH_GRADIENT作为唯一可用方法。
dp:累加器分辨率与原始图像分辨率之比的倒数。值为1时,累加器与原始图像具有相同的分辨率;值为2时,累加
器的分辨率为原始图像的1/2。通常使用1作为参数。
minDist:圆心之间的最小距离。
param1:可选参数,Canny边缘检测使用的最大阈值。
param2:可选参数,检测圆环结果的投票数。第一轮筛选时投票数超过该值的圆环才会进入第二轮筛选。值越大,检测出的圆环越 少,但越精准。
minRadius:可选参数,圆环的最小半径。
maxRadius:可选参数,圆环的最大半径。
返回值说明:
circles:一个数组,元素为所有检测出的圆环,每个圆环也是一个数组,内容为圆心的横、纵坐标和半径长度,格式为:[[[x1 ,y1, r1], [x2 ,y2, r2]]]。