Python OpenCV 圖像區(qū)域輪廓標(biāo)記(框選各種小紙條)

學(xué)在前面

上篇 OpenCV 博客原計(jì)劃完成一個(gè) 識(shí)別銀行卡號(hào) 的項(xiàng)目，但是寫(xiě)的過(guò)程中發(fā)現(xiàn)，技術(shù)儲(chǔ)備不足，我無(wú)法在下述圖片中，提取出卡號(hào)區(qū)域，也就無(wú)法進(jìn)行后續(xù)的識(shí)別了，再次意識(shí)到了自己技術(shù)還不達(dá)標(biāo)，繼續(xù)學(xué)習(xí)。完不成，就實(shí)現(xiàn)其它學(xué)習(xí)項(xiàng)目。

輪廓識(shí)別實(shí)戰(zhàn)

先看一下最終實(shí)現(xiàn)的效果，針對(duì)一張圖片（該圖片前景色和背景色差異較大），進(jìn)行輪廓標(biāo)記。

圖片基本處理

import cv2 as cv

src = cv.imread("./demo.jpg")

gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
# cv.imshow("src", src)

gray = cv.GaussianBlur(gray, (5, 5), 0)
edges = cv.Canny(gray, 70, 210)

cv.imshow("edged", edges)

轉(zhuǎn)換成灰度圖，高斯模糊去噪，Canny 邊緣檢測(cè)，這些都是圖像處理的基本函數(shù)，使用方法已經(jīng)在前文進(jìn)行過(guò)相關(guān)學(xué)習(xí)。

運(yùn)行上述代碼之后，獲取基本邊緣數(shù)據(jù)。

輪廓檢測(cè)

下面就是檢測(cè)圖像輪廓具體位置的代碼了：

contours, hierarchy = cv.findContours(edges.copy(), cv.RETR_LIST, cv.CHAIN_APPROX_SIMPLE)
print(f"輪廓數(shù)量：{len(contours)}")

在 cv.findContours(edges, cv.RETR_LIST, cv.CHAIN_APPROX_SIMPLE) 中，第二個(gè)參數(shù)使用的是 cv.RETR_LIST，該參數(shù)值表示檢測(cè)所有輪廓，不建立等級(jí)關(guān)系，彼此獨(dú)立。如果只想獲取輪廓邊緣信息,不關(guān)心是否嵌套在另一個(gè)輪廓之內(nèi)，使用該參數(shù)值即可。

第三個(gè)參數(shù)使用的是 cv.CHAIN_APPROX_SIMPLE，表示壓縮水平方向，垂直方向，對(duì)角線方向的元素，只保留該方向的終點(diǎn)坐標(biāo)，例如一個(gè)矩形輪廓只需 4 個(gè)點(diǎn)來(lái)保存輪廓信息，這也是為了后面便于計(jì)算。

觀察上圖，可以發(fā)現(xiàn)最外側(cè)的邊緣面積是最大的，所以依據(jù)面積進(jìn)行排序，依據(jù)其他值也可以，獲取面積最大的輪廓。

contours = sorted(contours, key = cv.contourArea, reverse = True)[:3]

對(duì)輪廓進(jìn)行簡(jiǎn)單繪制，獲得下圖效果。

cv.drawContours(src,contours,-1,(0,0,255),2)

遍歷輪廓，計(jì)算輪廓近似

先看代碼：

# 遍歷輪廓
for c in contours:
	# 計(jì)算輪廓近似
	peri = cv.arcLength(c, True)
	approx = cv.approxPolyDP(c, 0.02 * peri, True)

一個(gè)新的函數(shù) cv.arcLength，該函數(shù)的原型如下：

retval = cv2.arcLength(curve, closed)

該函數(shù)用于計(jì)算輪廓的周長(zhǎng)。

下面的 cv.approxPolyDP 函數(shù)原型如下：

approxCurve = cv2.approxPolyDP(curve, epsilon, closed[, approxCurve])

函數(shù)參數(shù)如下：

• curve：源圖像的某個(gè)輪廓；
• epsilon：距離值，表示多邊形的輪廓接近實(shí)際輪廓的程度，值越小，越精確；
• closed：輪廓是否閉合。

最重要的參數(shù)就是 epsilon 簡(jiǎn)單記憶為：該值越小，得到的多邊形角點(diǎn)越多，輪廓越接近實(shí)際輪廓，該參數(shù)是一個(gè)準(zhǔn)確度參數(shù)。

該函數(shù)返回值為輪廓近似多邊形的角點(diǎn)。

繪制輪廓

最后判斷，當(dāng)上文返回的角點(diǎn)為 4 的時(shí)候，提取輪廓，代碼如下：

# 遍歷輪廓
for c in contours:
	# 計(jì)算輪廓近似
	peri = cv.arcLength(c, True)
	approx = cv.approxPolyDP(c, 0.02 * peri, True)

	# 當(dāng)恰好是 4 個(gè)角點(diǎn)的時(shí)候，獲取輪廓。
	if len(approx) == 4:
		screen_cnt = approx
		break

# 結(jié)果顯示
cv.drawContours(src, [screen_cnt], -1, (0, 0, 255), 2)

更換圖片，進(jìn)行再次輪廓檢測(cè)，注意修改輪廓近似部分代碼即可。

# 遍歷輪廓
for c in contours:
  # 計(jì)算輪廓近似

  approx = cv.approxPolyDP(c, 30, True)

  if len(approx) == 4:
    screen_cnt = approx
    break

到此這篇關(guān)于Python OpenCV 圖像區(qū)域輪廓標(biāo)記(框選各種小紙條)的文章就介紹到這了,更多相關(guān)Python OpenCV區(qū)域輪廓標(biāo)記內(nèi)容請(qǐng)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！