OpenCV 轮廓检测的实现方法


Posted in Python onJuly 03, 2019

轮廓概述

  1. 轮廓可以简单认为成将连续的点(连着边界)连在一起的曲线,具有相同的颜色或者灰度。轮廓在形状分析和物体的检测和识别中很有用。 
  2. 为了更加准确,要使用二值化图像。在寻找轮廓之前,要进行阈值化处理或者 Canny 边界检测。 
  3. 查找轮廓的函数会修改原始图像。如果你在找到轮廓之后还想使用原始图像的话,你应该将原始图像存储到其他变量中。 
  4. 在 OpenCV 中,查找轮廓就像在黑色背景中超白色物体,要找的物体应该是白色而背景应该是黑色。

轮廓检测的作用:

1.可以检测图图像或者视频中物体的轮廓
2.计算多边形边界,形状逼近和计算感兴趣区域

先看一个较为简单的轮廓检测:

import cv2
import numpy as np
# 创建一个200*200的黑色空白图像
img = np.zeros((200, 200), dtype=np.uint8)
# 利用numpy数组在切片上赋值的功能放置一个白色方块
img[50:150, 50:150] = 255

# 对图像进行二值化操作
# threshold(src, thresh, maxval, type, dst=None)
# src是输入数组,thresh是阈值的具体值,maxval是type取THRESH_BINARY或者THRESH_BINARY_INV时的最大值
# type有5种类型,这里取0: THRESH_BINARY ,当前点值大于阈值时,取maxval,也就是前一个参数,否则设为0
# 该函数第一个返回值是阈值的值,第二个是阈值化后的图像
ret, thresh = cv2.threshold(img, 127, 255, 0)

# findContours()有三个参数:输入图像,层次类型和轮廓逼近方法
# 该函数会修改原图像,建议使用img.copy()作为输入
# 由函数返回的层次树很重要,cv2.RETR_TREE会得到图像中轮廓的整体层次结构,以此来建立轮廓之间的‘关系'。
# 如果只想得到最外面的轮廓,可以使用cv2.RETE_EXTERNAL。这样可以消除轮廓中其他的轮廓,也就是最大的集合
# 该函数有三个返回值:修改后的图像,图像的轮廓,它们的层次
image, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

color = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
img = cv2.drawContours(color, contours, -1, (0, 255, 0), 2)
cv2.imshow("contours", color)
cv2.waitKey()
cv2.destroyAllWindows()

OpenCV 轮廓检测的实现方法

上面是找到一个正方形的轮廓,下面看如何找到不规则的多边形轮廓:

import cv2
import numpy as np

# pyrDown():brief Blurs an image and downsamples it.
# 将图像高斯平滑,然后进行降采样
img = cv2.pyrDown(cv2.imread("hammer.jpg", cv2.IMREAD_UNCHANGED))
# 依然是二值化操作
ret, thresh = cv2.threshold(cv2.cvtColor(img.copy(), cv2.COLOR_BGR2GRAY), 127, 255, cv2.THRESH_BINARY)
# 计算图像的轮廓
image, contours, hier = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for c in contours:
  # find bounding box coordinates
  # 先计算出一个简单的边界狂,也就是一个矩形啦
  # 就是将轮廓信息转换为(x,y)坐标,并加上矩形的高度和宽度
  x, y, w, h = cv2.boundingRect(c)
  # 画出该矩形
  cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)

  # find minimum area
  # 然后计算包围目标的最小矩形区域
  # 这里先计算出最小矩形区域,然后计算区域的顶点,此时顶点坐标是浮点型,但是像素坐标是整数
  # 需要将浮点型转换成矩形
  rect = cv2.minAreaRect(c)
  box = cv2.boxPoints(rect)
  box = np.int0(box)
  # draw contours
  # 画出最小矩形
  # drawContours()也会修改源图像
  # 第二个参数保存轮廓的数组,也就是保存着很多轮廓
  # 第三个参数是要绘制的轮廓数组的索引:-1是绘制所有的轮廓,否则只绘制[box]中指定的轮廓
  # 颜色和thickness(密度,就是粗细)放在最后两个参数
  cv2.drawContours(img, [box], 0, (0, 0, 255), 3)

  # calculate center and radius of minimum enclosing circle
  # 最后检查的边界轮廓为最小闭圆
  # minEnclosingCircle()会返回一个二元数组,第一个是圆心坐标组成的元祖,第二个元素是元的半径
  (x, y), radius = cv2.minEnclosingCircle(c)
  # cast to integers
  center = (int(x), int(y))
  radius = int(radius)
  # draw the circle
  img = cv2.circle(img, center, radius, (255, 0, 0), 3)

# 绘制轮廓
cv2.drawContours(img, contours, -1, (255, 0, 0), 1)
cv2.imshow("contours", img)

cv2.waitKey()
cv2.destroyAllWindows()

OpenCV 轮廓检测的实现方法

凸轮廓与Douglas-Peucker算法

import cv2
import numpy as np

img = cv2.pyrDown(cv2.imread("hammer.jpg", cv2.IMREAD_UNCHANGED))

ret, thresh = cv2.threshold(cv2.cvtColor(img.copy(), cv2.COLOR_BGR2GRAY), 127, 255, cv2.THRESH_BINARY)
# 创建与源图像一样大小的矩阵
black = cv2.cvtColor(np.zeros((img.shape[1], img.shape[0]), dtype=np.uint8), cv2.COLOR_GRAY2BGR)

image, contours, hier = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for cnt in contours:
  # 得到轮廓的周长作为参考
  epsilon = 0.01 * cv2.arcLength(cnt,True)
  # approxPolyDP()用来计算近似的多边形框。有三个参数
  # cnt为轮廓,epsilon为ε——表示源轮廓与近似多边形的最大差值,越小越接近
  # 第三个是布尔标记,用来表示这个多边形是否闭合
  approx = cv2.approxPolyDP(cnt,epsilon,True)
  # convexHull()可以从轮廓获取凸形状
  hull = cv2.convexHull(cnt)
  # 源图像轮廓-绿色
  cv2.drawContours(black, [cnt], -1, (0, 255, 0), 2)
  # 近似多边形-蓝色
  cv2.drawContours(black, [approx], -1, (255, 0, 0), 2)
  # 凸包-红色
  cv2.drawContours(black, [hull], -1, (0, 0, 255), 2)

cv2.imshow("hull", black)
cv2.waitKey()
cv2.destroyAllWindows()

OpenCV 轮廓检测的实现方法

本来也有疑问,有了一个精确的轮廓,为什么还需要一个近似的多边形?

书中给出答案,近似多边形是由一组直线构成,这样可以便于后续的操作和处理。

想来也是,直线构成的区域总是比无限个曲率的曲线构成的区域方便处理。

直线和圆检测

直线检测可以通过HoughLinesP函数完成,HoughLinesP是标准Hough变换经过优化,使用概率Hough变换。

import cv2
import numpy as np

img = cv2.imread('lines.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray,50,120)
# 最小直线长度,小于该长度会被消除
minLineLength = 20
# 最大线段间隙,一条直线的间隙长度大于这个值会被认为是两条直线
maxLineGap = 5
# HoughLinesP()会接受一个由Canny边缘检测滤波器处理过的单通道二值图像
# 不一定需要Canny滤波器,但是输入是去噪且只有边缘的图像,效果会很好
# 第一个参数是输入图像
# 第二、第三个参数是线段的几何表示rho和theta,一般取1和np.pi/180
# 第四个参数是阈值,低于该阈值的直线会被忽略
# 第五第六已经解释
lines = cv2.HoughLinesP(edges,1,np.pi/180,20,minLineLength,maxLineGap)
for x1,y1,x2,y2 in lines[0]:
  cv2.line(img,(x1,y1),(x2,y2),(0,255,0),2)

cv2.imshow("edges", edges)
cv2.imshow("lines", img)
cv2.waitKey()
cv2.destroyAllWindows()

圆检测可以通过HoughCircles函数检测。

import cv2
import numpy as np

planets = cv2.imread('planet_glow.jpg')
gray_img = cv2.cvtColor(planets, cv2.COLOR_BGR2GRAY)
img = cv2.medianBlur(gray_img, 5)
cimg = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)

# 与直线检测类似,需要圆心距的最小距离和圆的最小以及最大半径
circles = cv2.HoughCircles(img,cv2.HOUGH_GRADIENT,1,120,param1=100,param2=30,minRadius=0,maxRadius=0)

circles = np.uint16(np.around(circles))

for i in circles[0,:]:
  # draw the outer circle
  cv2.circle(planets,(i[0],i[1]),i[2],(0,255,0),2)
  # draw the center of the circle
  cv2.circle(planets,(i[0],i[1]),2,(0,0,255),3)

cv2.imwrite("planets_circles.jpg", planets)
cv2.imshow("HoughCirlces", planets)
cv2.waitKey()
cv2.destroyAllWindows()

有一个问题,该方法检测出来的第二行的第一个星球的圆检测与书中不一样。

OpenCV 轮廓检测的实现方法

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
分析python服务器拒绝服务攻击代码
Jan 16 Python
Python基于高斯消元法计算线性方程组示例
Jan 17 Python
Python下载网络小说实例代码
Feb 03 Python
pandas去重复行并分类汇总的实现方法
Jan 29 Python
OpenCV HSV颜色识别及HSV基本颜色分量范围
Mar 22 Python
Python参数类型以及常见的坑详解
Jul 08 Python
python hashlib加密实现代码
Oct 17 Python
python GUI库图形界面开发之PyQt5结合Qt Designer创建信号与槽的详细方法与实例
Mar 08 Python
Django --Xadmin 判断登录者身份实例
Jul 03 Python
利用python对mysql表做全局模糊搜索并分页实例
Jul 12 Python
python绘图模块之利用turtle画图
Feb 12 Python
python自动化调用百度api解决验证码
Apr 13 Python
python实现文本进度条 程序进度条 加载进度条 单行刷新功能
Jul 03 #Python
Python Pandas数据结构简单介绍
Jul 03 #Python
如何通过雪花算法用Python实现一个简单的发号器
Jul 03 #Python
Python实现个人微信号自动监控告警的示例
Jul 03 #Python
python pandas模块基础学习详解
Jul 03 #Python
python将excel转换为csv的代码方法总结
Jul 03 #Python
pandas实现to_sql将DataFrame保存到数据库中
Jul 03 #Python
You might like
php模块memcache和memcached区别分析
2011/06/14 PHP
解析yii数据库的增删查改
2013/06/20 PHP
PHP实现登陆表单提交CSRF及验证码
2017/01/24 PHP
JavaScript入门教程(2) JS基础知识
2009/01/31 Javascript
js兼容的placeholder属性详解
2013/08/18 Javascript
js中跨域方法原理详解
2015/07/19 Javascript
jQuery实现table中的tr上下移动并保持序号不变的实例代码
2016/07/11 Javascript
微信小程序 出现错误:{"baseresponse":{"errcode":-80002,"errmsg":""}}解决办法
2017/02/23 Javascript
jQuery中layer分页器的使用
2017/03/13 Javascript
Bootstrap警告(Alerts)的实现方法
2017/03/22 Javascript
原生javascript实现的全屏滚动功能示例
2017/09/19 Javascript
Angular.js通过自定义指令directive实现滑块滑动效果
2017/10/13 Javascript
解决vue页面刷新或者后退参数丢失的问题
2018/03/13 Javascript
jQuery滚动条美化插件nicescroll简单用法示例
2018/04/18 jQuery
详解vuex之store源码简单解析
2019/06/13 Javascript
wx-charts 微信小程序图表插件的具体使用
2019/08/18 Javascript
基于Vue el-autocomplete 实现类似百度搜索框功能
2019/10/25 Javascript
VUE DEMO之模拟登录个人中心页面之间数据传值实例
2019/10/31 Javascript
js中switch语句的学习笔记
2020/03/25 Javascript
[01:10:24]DOTA2-DPC中国联赛 正赛 VG vs Aster BO3 第一场 2月28日
2021/03/11 DOTA
python基于xmlrpc实现二进制文件传输的方法
2015/06/02 Python
python实现Adapter模式实例代码
2018/02/09 Python
Python3简单爬虫抓取网页图片代码实例
2019/08/26 Python
python将字母转化为数字实例方法
2019/10/04 Python
pytorch实现用CNN和LSTM对文本进行分类方式
2020/01/08 Python
浅谈python3打包与拆包在函数的应用详解
2020/05/02 Python
Python如何输出警告信息
2020/07/30 Python
python中常用的数据结构介绍
2021/01/12 Python
从零实现一个自定义html5播放器的示例代码
2017/08/01 HTML / CSS
美国领先的汽车轮胎和轮毂供应商:TireBuyer
2016/07/21 全球购物
优秀学生自我鉴定范例
2013/12/18 职场文书
道路交通事故人身损害赔偿协议书
2014/11/19 职场文书
MySQL中in和exists区别详解
2021/06/03 MySQL
React实现动效弹窗组件
2021/06/21 Javascript
详解Spring事件发布与监听机制
2021/06/30 Java/Android
Vue2项目中对百度地图的封装使用详解
2022/06/16 Vue.js