opencv

2023-11-20 17:58| 来源: 网络整理| 查看: 265

任务：给定这样一张图片求图片中白色区域的外接矩形、最小外接矩形、拟合多边形以及外接圆

外接矩形

x, y, w, h = cv2.boundingRect(points)

输入：点集返回值：左上角点坐标以及宽高

实现代码：

import cv2 imgpath = '1.jpg' # 读取图片 image = cv2.imread(imgpath) # 转换为灰度图 gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) # 将图片二值化 _, binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY) # 在二值图上寻找轮廓 contours, _ = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE) for cont in contours: # 外接矩形 x, y, w, h = cv2.boundingRect(cont) # 在原图上画出预测的矩形 cv2.rectangle(image, (x, y), (x+w, y+h), (0, 0, 255), 10)

输出结果：

最小外接矩形

(cx,cy), (l,w), theta=cv2.minAreaRect(points)

输入：点集返回值：中心点坐标->(cx,cy)；长宽->(l,w)；从x轴逆时针旋转到宽(w)的角度->thetacv2.boxPoints()可以将minAreaRect的返回值转换为四个角点坐标

实现代码：

import cv2 imgpath = '1.jpg' image = cv2.imread(imgpath) gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) _, binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY) contours, _ = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE) for cont in contours: # 对每个轮廓点求最小外接矩形 rect = cv2.minAreaRect(cont) # cv2.boxPoints可以将轮廓点转换为四个角点坐标 box = cv2.boxPoints(rect) # 这一步不影响后面的画图，但是可以保证四个角点坐标为顺时针 startidx = box.sum(axis=1).argmin() box = np.roll(box,4-startidx,0) # 在原图上画出预测的外接矩形 box = box.reshape((-1,1,2)).astype(np.int32) cv2.polylines(image,[box],True,(0,255,0),10)

输出结果：

外接多边形

box = cv2.approxPolyDP(curve, epsilon, closed)

输入： curve：点集(折线图)epsilon：点到相对应的切线的距离的阈值。（大于阈值舍弃，小于阈值保留，epsilon越小，折线的形状越“接近”曲线。）closed：曲线是否闭合(True/False) 返回值：多边形角点坐标

实现代码：

输出结果：

外接圆

(x, y), radius = cv2.minEnclosingCircle(cont)

输入：点集返回值：圆心 --> (x, y), 半径 --> radius import cv2 image = cv2.imread('1.jpg') gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) _, binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY) contours, _ = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE) for cont in contours: # 外接圆 (x, y), radius = cv2.minEnclosingCircle(cont) cv2.circle(image,(int(x),int(y)),int(radius), (0, 0, 255), 10)

输出结果：

【本文地址】

opencv

opencv

今日新闻

推荐新闻