7.OpenCV |
您所在的位置：网站首页 › opencv获取轮廓的外接矩形 › 7.OpenCV |
7.OpenCV
|
出chatgpt独享账号！内含120美元！仅需38元/个！独享永久使用！点击购买！ 1.通过OpenCV的findContours可以很方便的找到图片中内容的轮廓。 2.为了提取轮廓有更高的准确率，在提取轮廓前，需要对图片进行预处理（二值+阈值），只保留感兴趣的图像。 3.通过计算轮廓面积与外接矩形或外接圆的面积，可以找到轮廓特征，进一步筛选出感兴趣的轮廓。 语法：cv2.findContours(img,mode,method)mode:轮廓检索模式 RETR_EXTERNAL：只检最外面的轮廊 RETR_LIST：检索所有的轮廊，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：顶层是各部份的外部边界，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(常用这个)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）。 CHAIN_APPROX_SIMPLE：压缩水平的、垂直的和斜的部，也就是，函数只保留他们的终点部分。 为了更高的准确率，使用二值图像 示例代码 import cv2 import math import numpy as np #图像轮廓 #语法：cv2.findContours(img,mode,method) # mode:轮廓检索模式 #RETR_EXTERNAL：只检最外面的轮廊 #RETR_LIST：检索所有的轮廊，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：顶层是各部份的外部边界，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 # 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）。 #CHAIN_APPROX_SIMPLE：压缩水平的、垂直的和斜的部，也就是，函数只保留他们的终点部分。 #为了更高的准确率，使用二值图像 def cv_show(name, img): cv2.imshow(name, img) # 显示图像 cv2.waitKey(0) # 等待时间，单位毫秒，0表示任意键终止 cv2.destroyAllWindows() #1.读取图像 image = cv2.imread("C:\\Users\\zhangqs\\Desktop\\cv.png") #2.预处理 gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) #灰度图 ret,threshold=cv2.threshold(gray,160,255,cv2.THRESH_BINARY) #阈值处理 #3.查找轮廓 contours,hierarchy=cv2.findContours(threshold,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE) print('共找到',len(contours),'个轮廓') #4.绘制轮廓 #在原图上绘制轮廓 draw2=image.copy() #注意：需要copy一下，否则将会改动原图 drawed2=cv2.drawContours(draw2,contours,-1,(0,0,255),2) #图像，轮廓，轮廓索引，颜色模式，线条厚度 cv_show('draw_contours',draw2) #在灰度图上绘制轮廓（下面的np.hstack函数要求数组维度一致，才能比较显示） draw=gray.copy() #注意：需要copy一下，否则将会改动原图 drawed=cv2.drawContours(draw,contours,-1,(0,0,255),2) #图像，轮廓，轮廓索引，颜色模式，线条厚度 #5.轮廓近似 #外接矩形（绿色线） cnt=contours[12] # epsilon=0.1*cv2.arcLength(cnt,True) # approx=cv2.approxPolyDP(cnt,epsilon,True) x,y,w,h=cv2.boundingRect(cnt) imgRectangle=cv2.rectangle(image,(x,y),(x+w,y+h),(0,255,0),2) cv_show('Rectangle',imgRectangle) area=cv2.contourArea(cnt) #轮廓面积 rectArea=w*h #外接矩形面积 rate=float(area)/rectArea print('轮廓面积/外接矩形面积比：',rate) #外接圆（蓝色线） cnt2=contours[11] (x,y),radius=cv2.minEnclosingCircle(cnt2) center=(int(x),int(y)) radius=int(radius) imgCircle=cv2.circle(image,center,radius,(255,0,0),2) cv_show('Circle',imgCircle) areaCircle=cv2.contourArea(cnt) #轮廓面积 rectArea=math.pi*radius*radius #外接圆面积 rateCircle=float(areaCircle)/areaCircle print('轮廓面积/外接圆面积比：',rateCircle) # #合并显示 # res=np.hstack((gray,threshold,drawed)) #注意：两层括号 # cv2.imshow('all',res) # cv2.waitKey(0) # cv2.destroyAllWindows()运行结果
原图
轮廓图
外接矩形（绿色线条）
外接圆（蓝色线条）
遍历轮廓，通过计算面积比，就可以找到轮廓特征，也就筛选出我们感兴趣的轮廓了。 |
【本文地址】
今日新闻 |
推荐新闻 |