python画出最小外接矩形及其中心点

          本文主要对opencv给出画出的最小外接矩形及其中心点的方法,用于可视化查找的目标块位置,便于调试,实际中查找到最小外接矩形后,会对轮廓筛选,参见我另一片博客:Python图片查找轮廓、多边形拟合、最小外接矩形操作实例,此外本文还参考了其他博客OpenCv-Python 最小外接圆、最小外接矩形、椭圆拟合、直线拟合

                                                         在这里插入图片描述


import cv2

img = cv2.imread("big_flag2.png")
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)
_, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

for i in range(len(contours)):
    x, y, w, h = cv2.boundingRect(contours[i])
    cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 1)
    rect = cv2.minAreaRect(contours[i])
    cv2.circle(img, (int(rect[0][0]), int(rect[0][1])), 2, (0, 0, 255), 2)

cv2.namedWindow('Result of draw', 0)
cv2.imshow('Result of draw', img)
cv2.waitKey()

                                                           在这里插入图片描述

  • 4
    点赞
  • 24
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
### 回答1: Python OpenCV中的最小外接矩形是指能够完全包围一个物体的最小矩形。它可以通过cv2.minAreaRect()函数来计算。该函数接受一个轮廓作为输入,并返回一个包含矩形中心点、宽度、高度和旋转角度的元组。可以使用cv2.boxPoints()函数将矩形转换为四个角点的坐标。 ### 回答2: Python OpenCV最小外接矩形通常用于识别图像中的物体,该算法可以找到能完全包含物体的最小矩形,该矩形可以表示物体的位置、方向和大小。 在Python OpenCV中实现最小外接矩形需要用到cv2.minAreaRect()函数。该函数可以通过输入一个二值图像,输出覆盖给定轮廓的最小矩形区域。 具体实现步骤如下: 1. 读取待处理的图像,使用cv2.imread()函数。 2. 将图像进行灰度化和二值化处理。 3. 通过cv2.findContours()函数识别图像中的轮廓。 4. 使用cv2.minAreaRect()函数计算轮廓的最小矩形。 5. 使用cv2.boxPoints()函数将最小矩形转换成四个顶点的坐标。 6. 绘制最小矩形或在图像中标识其位置和方向。 下面是一个简单的Python OpenCV最小外接矩形的示例程序: ``` import cv2 # 读取待处理的图像 img = cv2.imread('test.jpg') # 将图像进行灰度化和二值化处理 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ret, th = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 通过cv2.findContours()函数识别图像中的轮廓 contours, hierarchy = cv2.findContours(th, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 使用cv2.minAreaRect()函数计算轮廓的最小矩形 rect = cv2.minAreaRect(contours[0]) # 使用cv2.boxPoints()函数将最小矩形转换成四个顶点的坐标 box = cv2.boxPoints(rect) box = np.int0(box) # 绘制最小矩形或在图像中标识其位置和方向 cv2.drawContours(img, [box], 0, (0, 0, 255), 2) cv2.imshow('MinAreaRect', img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 该程序将读取名称为test.jpg的图像,找到其最小外接矩形,并在图像中绘制该矩形。如果要在图像中标识多个物体的最小矩形,可以通过循环来处理每个轮廓。 ### 回答3: Python OpenCV是一种广泛使用的计算机视觉库,可用于处理图像和视频等媒体。在Python OpenCV中,最小外接矩形算法是一种重要的特征检测算法,用于检测包含给定点或轮廓的最小矩形。 在Python OpenCV中,最小外接矩形算法可以通过函数cv2.minAreaRect()实现。该函数接受一组点或轮廓,并返回包含它们的最小矩形的中心坐标、宽度、高度和旋转角度等信息。 以下是使用Python OpenCV实现最小外接矩形的示例代码: ``` import cv2 import numpy as np # 读取图像并将其转换为灰度图像 img = cv2.imread('image.jpg') gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) # 检测边缘 edges = cv2.Canny(gray,50,150,apertureSize = 3) # 查找轮廓 contours, hierarchy = cv2.findContours(edges,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE) # 遍历所有轮廓并找到最小外接矩形 for cnt in contours: # 忽略面积小于100的轮廓 if cv2.contourArea(cnt) < 100: continue # 计算最小外接矩形 rect = cv2.minAreaRect(cnt) box = cv2.boxPoints(rect) box = np.int0(box) # 在图像上绘制矩形 cv2.drawContours(img,[box],0,(0,0,255),2) # 显示图像 cv2.imshow('image',img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在这个代码中,我们首先读取一张图像并将其转换为灰度图像。然后使用Canny算法检测边缘,并使用findContours函数查找所有的轮廓。然后,我们遍历所有的轮廓,并使用minAreaRect函数计算每个轮廓的最小外接矩形。最后,我们使用drawContours函数在原始图像上绘制矩形。 总结一下,Python OpenCV中的最小外接矩形算法是一种非常有用的特征检测算法,用于检测包含给定点或轮廓的最小矩形。在实现过程中,我们只需要使用cv2.minAreaRect()函数即可计算最小外接矩形。然后,我们可以使用cv2.boxPoints()函数将矩形转换为标准坐标,并在图像上绘制它。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

南洲.

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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