目錄
- 前言
- 繪制橢圓的矩形邊界
- 最小包圍矩形框
- 最小包圍圓形框
- 最優(yōu)擬合橢圓
- 最優(yōu)擬合直線
- 最小外包三角形
- 逼近多邊形
前言
什么是輪廓？
輪廓可以簡單認(rèn)為成將連續(xù)的點(diǎn)（連著邊界）連在一起的曲線，具有相同 的顏色或者灰度。輪廓在形狀分析和物體的檢測和識(shí)別中很有用。
- 為了更加準(zhǔn)確，要使用二值化圖像。在尋找輪廓之前，要進(jìn)行閾值化處理 或者 Canny 邊界檢測。
- 查找輪廓的函數(shù)會(huì)修改原始圖像。如果你在找到輪廓之后還想使用原始圖 像的話，你應(yīng)該將原始圖像存儲(chǔ)到其他變量中。
- 在 OpenCV 中，查找輪廓就像在黑色背景中超白色物體。你應(yīng)該記住， 要找的物體應(yīng)該是白色而背景應(yīng)該是黑色。
在計(jì)算輪廓時(shí)，可能并不需要實(shí)際的輪廓，而僅需要一個(gè)接近于輪廓的近似多邊形。比如矩形其實(shí)都是差不多的輪廓，都是長寬不相等且平行的四邊形，那么只要提供一個(gè)近似的輪廓，我們就可以區(qū)分形狀。
在OpenCV中，它給我們提供了cv2.boundingRect()函數(shù)來繪制輪廓的矩形邊界，其完整定義如下：
array：前面已經(jīng)介紹過，array是一個(gè)灰度圖像，或者輪廓。
該函數(shù)返回3個(gè)值時(shí)，是矩形邊界的左上角頂點(diǎn)的坐標(biāo)值以及矩形邊界的寬與高。返回4個(gè)值時(shí)，是矩形左上角頂點(diǎn)的x坐標(biāo)，y坐標(biāo)，以及寬高。
繪制橢圓的矩形邊界
現(xiàn)在，我們還是使用前面的一張橢圓圖形，如下圖所示：
得到圖形之后，我們使用上面的函數(shù)，計(jì)算該圖像輪廓的4值，代碼如下：
import cv2
img = cv2.imread("26_1.jpg")
# 轉(zhuǎn)換為灰度圖像
gray = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
x, y, w, h = cv2.boundingRect(contours[0])
print(x, y, w, h)
運(yùn)行之后，控制臺(tái)輸出如下內(nèi)容：
這里我們得到了橢圓的矩形左上角坐標(biāo)為（53，120），其寬高分別為272與84。
既然我們已經(jīng)得到了其矩形邊界的坐標(biāo)以及寬高，那么我們可以開始繪制其矩形邊界。前面提取輪廓繪制用的是cv2.drawContours()函數(shù)，這里同樣也是。
代碼如下：
import cv2
import numpy as np
img = cv2.imread("26_1.jpg")
cv2.imshow("img1",img)
# 轉(zhuǎn)換為灰度圖像
gray= cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
x, y, w, h = cv2.boundingRect(contours[0])
rect=np.array([[[x,y],[x+w,y],[x+w,y+h],[x,y+h]]])#1
cv2.drawContours(img,[rect],-1,(255,255,255),2)#1
cv2.imshow("img2",img)
cv2.waitKey()
cv2.destroyAllWindows()
運(yùn)行之后，其橢圓的矩形邊界就被我們標(biāo)記出來了，效果如下：
當(dāng)然，這里我們還可以使用另一個(gè)函數(shù)cv2.rectangle()來繪制矩形邊界，值需要更換上面代碼中注釋1的兩個(gè)代碼，具體如下所示：
cv2.rectangle(img, (x, y), (x + w, y + h), (255, 255,255),2)
最小包圍矩形框
在OpenCV中，它還提供了cv2.minAreaRect()來繪制最小包圍矩形框，其完整定義如下：
其中points參數(shù)是輪廓，返回值為矩形特征信息，包括矩形的中心（x,y），寬高，以及旋轉(zhuǎn)角度。
特別注意，minAreaRect函數(shù)的返回值并不能直接代入drawContours()函數(shù)中。因此，我們必須將其轉(zhuǎn)換為符合要求的結(jié)構(gòu)才能接著操作。通過cv2.boxPoint()函數(shù)就可以轉(zhuǎn)換為符合drawContours()的結(jié)構(gòu)參數(shù)。
還是上面那張圖，不過我們用旋轉(zhuǎn)后的橢圓原圖，代碼如下：
import cv2
import numpy as np
img = cv2.imread("26_4.jpg")
cv2.imshow("img1",img)
# 轉(zhuǎn)換為灰度圖像
gray= cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
rect= cv2.minAreaRect(contours[0])
print(rect)
points=cv2.boxPoints(rect)
print(points)
points=np.int0(points)
print(points)
cv2.drawContours(img,[points],0,(255,255,255),2)
cv2.imshow("img2",img)
cv2.waitKey()
cv2.destroyAllWindows()
運(yùn)行之后，圖像效果以及控制臺(tái)的輸出信息如下：
這里我們可以清楚的看到minAreaRect()函數(shù)返回值的轉(zhuǎn)換過程。先通過boxPoints()函數(shù)轉(zhuǎn)換為drawContours()函數(shù)能接受的參數(shù)格式，然后通過取整轉(zhuǎn)換為具體的像素坐標(biāo)值。
最小包圍圓形框
既然有最小包圍矩形框，那么一定就有最小包圍圓形框。在OpenCV中，它給我們提供cv2.minEnclosingCircle()函數(shù)來繪制最小包圍圓形框。
函數(shù)的完整定義如下：
def minEnclosingCircle(points):
這里的參數(shù)與上面的points參數(shù)一致，但是其返回值并不相同，畢竟繪制圓形肯定與繪制矩形的參數(shù)肯定不一樣。
它有兩個(gè)返回值，一個(gè)是圓形的中心坐標(biāo)（x,y），一個(gè)是圓形的半徑r。下面，我們直接來繪制上面橢圓的最小包圍圓形框。具體代碼如下所示：
import cv2
import numpy as np
img = cv2.imread("26_4.jpg")
cv2.imshow("img1", img)
# 轉(zhuǎn)換為灰度圖像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
(x, y), r = cv2.minEnclosingCircle(contours[0])
center = (int(x), int(y))
r = int(r)
cv2.circle(img, center, r, (255, 255, 255), 2)
cv2.imshow("img2", img)
cv2.waitKey()
cv2.destroyAllWindows()
運(yùn)行之后，效果如下所示：
最優(yōu)擬合橢圓
在OpenCV中，它給我們提供了cv2.fitEllipse()函數(shù)繪制最優(yōu)擬合橢圓。其完整的定義如下：
其中points參數(shù)與前文一致，而它的返回值是RotatedRect類型，這是因?yàn)樵摵瘮?shù)返回的是擬合橢圓的外接矩形，包括矩形的質(zhì)心，寬高，旋轉(zhuǎn)角度等信息，這些信息正好與橢圓的中心點(diǎn)，軸長度，旋轉(zhuǎn)角度一致。
下面，我們來使用該函數(shù)繪制最優(yōu)擬合橢圓，這里我們選取如上圖所示的一張矩形圖。具體代碼如下：
import cv2
img = cv2.imread("27.jpg")
cv2.imshow("img1", img)
# 轉(zhuǎn)換為灰度圖像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
ellipse = cv2.fitEllipse(contours[0])
cv2.ellipse(img, ellipse, (0, 0, 255), 3)
cv2.imshow("img2", img)
cv2.waitKey()
cv2.destroyAllWindows()
運(yùn)行之后，效果如下所示：
最優(yōu)擬合直線
在OpenCV中，它還提供了cv2.fitLine()函數(shù)繪制最優(yōu)擬合直線，其完整定義如下：
points：與前文一樣，是輪廓
distType：距離類型。擬合直線時(shí)，要使輸入點(diǎn)到擬合直線的距離之和最小。詳細(xì)參數(shù)定義參考開發(fā)文檔，這里不在贅述。
param：距離參數(shù)，與所選距離類型有關(guān)。當(dāng)該參數(shù)為0時(shí)，自動(dòng)選擇最優(yōu)值。
reps：用于表示擬合直線所需要的徑向精度，通常該值被設(shè)定為0.01
aeps：用于表示擬合直線所需要的角度精度，通常該值被設(shè)定為0.01
對于二維直線，返回值line為4維，前兩維代表擬合出的直線的方向，后兩位代表直線上的一點(diǎn)。
下面，我們來直接使用代碼繪制最優(yōu)擬合直線。
import cv2
img = cv2.imread("27.jpg")
cv2.imshow("img1", img)
# 轉(zhuǎn)換為灰度圖像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
ellipse = cv2.fitEllipse(contours[0])
cv2.ellipse(img, ellipse, (0, 0, 255), 3)
cv2.imshow("img2", img)
cv2.waitKey()
cv2.destroyAllWindows()
運(yùn)行之后，效果如下所示：
對于繪制直線來說，我們需要獲取繪制直線的起點(diǎn)以及終點(diǎn)，這里lefty為起點(diǎn)，righty為終點(diǎn)。
最小外包三角形
在OpenCV，它還提供了cv2.minEnclosingTriangle()函數(shù)來繪制最小外包三角形。其完整定義如下：
def minEnclosingTriangle(points, triangle=None):
其中points與前文類似，其返回值triangle為外包三角形的三個(gè)頂點(diǎn)集。
下面，我們直接構(gòu)建最小外包三角形，具體代碼如下：
import cv2
img = cv2.imread("27.jpg")
cv2.imshow("img1", img)
# 轉(zhuǎn)換為灰度圖像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
area, trg1 = cv2.minEnclosingTriangle(contours[0])
print(area)
print(trg1)
for i in range(0, 3):
cv2.line(img, tuple(trg1[i][0]), tuple(trg1[(i + 1) % 3][0]), (0, 255, 0), 2)
cv2.imshow("img2", img)
cv2.waitKey()
cv2.destroyAllWindows()
運(yùn)行之后，效果如下：
需要注意的是，在cv2中沒有直接繪制三角形的函數(shù)，所以我們通過繪制三條直線，繪制三角形，minEnclosingTriangle()函數(shù)第一個(gè)返回值為三角形面積，第二返回值是三點(diǎn)坐標(biāo)。
逼近多邊形
在OpenCV中，它還提供了cv2.approxPolyDP()函數(shù)構(gòu)建指定邊數(shù)的逼近多邊形。其完整定義如下：
def approxPolyDP(curve, epsilon, closed, approxCurve=None):
curve：輪廓
epsilon：精度，原始輪廓的邊界點(diǎn)與逼近多邊形邊界之間的最大距離
closed：布爾類型。為True時(shí)，表示逼近多邊形是封閉的。為False時(shí)，biao表示畢竟多邊形是不封閉的。
approxCurve為該函數(shù)的返回值，是逼近多邊形的點(diǎn)集。。
下面，我們來實(shí)現(xiàn)各類逼近多邊形的繪制，代碼如下：
import cv2
img = cv2.imread("24.jpg")
list=[0.1,0.09,0.055,0.05,0.02]
cv2.imshow("img", img)
# 轉(zhuǎn)換為灰度圖像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
for i, val in enumerate(list):
epsilon = val * cv2.arcLength(contours[0], True)
approx = cv2.approxPolyDP(contours[0], epsilon, True)
cv2.drawContours(img, [approx], 0, (0, 255, 0), 2)
cv2.imshow("img"+str(i), img)
cv2.waitKey()
cv2.destroyAllWindows()
運(yùn)行之后，效果如下：
cv2.approxPolyDP()函數(shù)采用的是Douglas-Peucker算法，該算法的原理是首先從輪廓中找到距離最遠(yuǎn)的兩個(gè)點(diǎn)，并將兩個(gè)點(diǎn)相連。接下來，在輪廓上找到一個(gè)離當(dāng)前直線最遠(yuǎn)的點(diǎn)，并將該點(diǎn)與原有直線連成一個(gè)封閉的多邊形，此時(shí)得到一個(gè)三角形。以此類推四邊形，五邊形，六邊形等。當(dāng)前多邊形的距離都小于函數(shù)cv2.approxPolyDP()的參數(shù)epsilon的值時(shí)，就停止迭代。
到此這篇關(guān)于OpenCV-Python實(shí)現(xiàn)輪廓擬合的文章就介紹到這了,更多相關(guān)OpenCV 輪廓擬合內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- Python通過OpenCV的findContours獲取輪廓并切割實(shí)例
- Python Opencv實(shí)現(xiàn)圖像輪廓識(shí)別功能
- OpenCV-Python實(shí)現(xiàn)輪廓檢測實(shí)例分析
- OpenCV 輪廓檢測的實(shí)現(xiàn)方法
- Opencv提取連通區(qū)域輪廓的方法
- python+opencv輪廓檢測代碼解析
- C#中OpenCVSharp實(shí)現(xiàn)輪廓檢測
- OpenCV實(shí)現(xiàn)圖像輪廓檢測以及外接矩形
- opencv提取外部輪廓并在外部加矩形框
- Opencv實(shí)現(xiàn)輪廓提取功能
