datetime:2022/04/11 15:07
author:nzb

图像处理

图像轮廓

  • contours, hierarchy = cv2.findContours(img,mode,method)

    • 为了更高的准确率，使用二值化图像。 contours：轮廓信息（用得较多的数据） hierarchy：层级

    • mode：轮廓检索模式

      • RETR_EXTERNAL ：只检索最外面的轮廓；

      • RETR_LIST：检索所有的轮廓，并将其保存到一条链表当中；

      • RETR_CCOMP：检索所有的轮廓，并将他们组织为两层：顶层是各部分的外部边界，第二层是空洞的边界;

      • RETR_TREE：检索所有的轮廓，并重构嵌套轮廓的整个层次(最常用);

    • method：轮廓逼近方法

      • CHAIN_APPROX_NONE：以Freeman链码的方式输出轮廓，所有其他方法输出多边形（顶点的序列）(常用)

      • 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

    • 示例代码

          # 为了更高的准确率，使用二值图像。 
    img = cv2.imread("../img/car.png") 
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
    ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) 
    contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE) 
    show_img([img, thresh])

绘制轮廓

  • res = cv2.drawContours(copy_img, contours, -1, (0,0,255), 2)

    • 传入绘制图像， 轮廓， 轮廓索引， 颜色模式， 线条厚度
    • -1：所有的轮廓都画出来，0：对应的第0个轮廓，1：对应的第1个轮廓
    • （0,0,255）：对应：B,G,R，轮廓的颜色（这里是红色）
    • 2：线条宽度

  • 示例代码

          # 注意需要copy,要不原图会变 
      copy_img = img.copy() 
      res = cv2.drawContours(copy_img, contours, -1, (0,0,255), 2) 
      show_img([img, res])

轮廓特征

    # 第一个轮廓 
    cnt = contours[0] 
    # 面积 
    area = cv2.contourArea(cnt) 
    # 周长，True：表示闭合的
    perimeter = cv2.arcLength(cnt, True) 
    print("面积：",area) 
    print("周长：", perimeter)

轮廓近似

    • 示例代码
        img = cv2.imread("../img/contours2.png") 

    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
    ret, thresh = cv2.threshold(gray, 127,255, cv2.THRESH_BINARY) 
    contours,hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE) 
    cnt = contours[0]   # 其中一个轮廓

    # 绘制轮廓 
    draw_img = img.copy() 
    res1 = cv2.drawContours(draw_img, [cnt], -1, (0, 0, 255), 2) 

    # 轮廓近似
    epsilon = 0.1 * cv2.arcLength(cnt, True) # 按周长比例, 可以 0.15试试
    approx = cv2.approxPolyDP(cnt, epsilon, True) # 近似 

    draw_img = img.copy() 
    res2 = cv2.drawContours(draw_img, [approx], -1, (0, 0, 255), 2) 
    show_img([img, res1,res2], hstack=True)

边界矩形

* 示例代码

    img = cv2.imread("../img/contours.png") 
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
    ret, thresh = cv2.threshold(gray, 127,255, cv2.THRESH_BINARY) 
    contours,hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE) 
    cnt = contours[0] # 0：第0个轮廓也就是这里的三角形的外接矩形（外轮廓）; 1：内轮廓（内接矩形）..... 
    x,y,w,h = cv2.boundingRect(cnt)
    img = cv2.rectangle(img, (x,y), (x+w, y+h), (0,0,255), 2) 
    show_img([img])

    • 应用：计算面积比
        area = cv2.contourArea(cnt) 
    x, y, w, h = cv2.boundingRect(cnt) 
    rect_area = w * h 
    extent = float(area) / rect_area 
    print ('轮廓面积与边界矩形比',extent)

外接圆

* 示例代码

    (x,y),radius = cv2.minEnclosingCircle(cnt) 
    center = (int(x),int(y)) 
    radius = int(radius) 
    img =cv2.circle(img,center,radius,(0,255,0),2)
    show_img([img])

results matching ""

    No results matching ""