主頁 > 知識(shí)庫 > Python基于opencv的簡單圖像輪廓形狀識(shí)別(全網(wǎng)最簡單最少代碼)

Python基于opencv的簡單圖像輪廓形狀識(shí)別(全網(wǎng)最簡單最少代碼)

熱門標(biāo)簽:甘肅高頻外呼系統(tǒng) 江門智能電話機(jī)器人 地圖標(biāo)注可以遠(yuǎn)程操作嗎 400電話在線如何申請(qǐng) 如何申請(qǐng)400電話代理 智能電話機(jī)器人調(diào)研 杭州房產(chǎn)地圖標(biāo)注 滴滴地圖標(biāo)注公司 天津塘沽區(qū)地圖標(biāo)注

可以直接跳到最后整體代碼看一看是不是很少的代碼?。。?!

思路:
1. 數(shù)據(jù)的整合
2. 圖片的灰度轉(zhuǎn)化
3. 圖片的二值轉(zhuǎn)化
4. 圖片的輪廓識(shí)別
5. 得到圖片的頂點(diǎn)數(shù)
6. 依據(jù)頂點(diǎn)數(shù)判斷圖像形狀

一、原數(shù)據(jù)的展示


圖片文件共36個(gè)文件夾,每個(gè)文件夾有100張圖片,共3600張圖片。


每一個(gè)文件夾里都有形同此類的圖形

二、數(shù)據(jù)的整合

對(duì)于多個(gè)文件夾,分析起來很不方便,所有決定將其都放在一個(gè)文件夾下進(jìn)行分析,在python中具體實(shí)現(xiàn)如下:
本次需要的包

import cv2
import os
from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
a=os.listdir('C:\\Users\\dell\\Desktop\\OpenCVProofSet')#循環(huán)讀取每個(gè)子文件夾
for i in range(len(a)):
 	b=os.listdir('C:\\Users\\dell\\Desktop\\OpenCVProofSet\\'+a[i])#讀取每個(gè)子文件下的圖片文件
 for j in range(len(b)):
  c=Image.open('C:\\Users\\dell\\Desktop\\OpenCVProofSet\\'+a[i]+'\\'+b[j])#循環(huán)讀取每個(gè)圖片文件
  c.save('C:\\Users\\dell\\Desktop\\cleardata\\'+str(i)+'_'+str(j)+'.png')#以文件夾序號(hào)和圖片序號(hào)為名保存在一個(gè)興建文件夾下

結(jié)果如下:

三、圖片輪廓的確定

3.1圖片的灰度處理

以下以一張圖片為例子作為說明
對(duì)于灰度的處理,選擇使用opencv的cv2.cvtColor函數(shù),代碼示例如下:

d=os.listdir('C:\\Users\\dell\\Desktop\\cleardata\\')#文件路徑
e=cv2.imread('C:\\Users\\dell\\Desktop\\cleardata\\'+d[5])#以矩陣的形式圖片讀入
plt.imshow(e)#畫出示例圖


進(jìn)行灰度的轉(zhuǎn)化:

g=cv2.cvtColor(e,cv2.COLOR_BGR2GRAY)##灰度轉(zhuǎn)化

3.2圖片的二值轉(zhuǎn)化

對(duì)于圖片的二值轉(zhuǎn)化這里選用cv2.threshold函數(shù),代碼示例如下:

r,b=cv2.threshold(g,0,255,cv2.THRESH_OTSU)#二值轉(zhuǎn)化,大于0的像素統(tǒng)一設(shè)置為255,小于等于0的統(tǒng)一設(shè)置為0

上述代碼的第一個(gè)參數(shù)為灰度圖形,第二個(gè)參數(shù)是閾值,即大于0的像素點(diǎn)轉(zhuǎn)化為255,然后選用的THRESH_OTSU方法,具體說明如下:
通常情況,我們一般不知道設(shè)定怎樣的閾值thresh才能得到比較好的二值化效果,只能去試。如對(duì)于一幅雙峰圖像(理解為圖像直方圖中存在兩個(gè)峰),我們指定的閾值應(yīng)盡量在兩個(gè)峰之間的峰谷。這時(shí),就可以用第四個(gè)參數(shù)THRESH_OTSU,它對(duì)一幅雙峰圖像自動(dòng)根據(jù)其直方圖計(jì)算出合適的閾值(對(duì)于非雙峰圖,這種方法得到的結(jié)果可能不理想)。
對(duì)于雙峰圖,我們需要多傳入一個(gè)參數(shù)cv2.THRESH_OTSU,并且把閾值thresh設(shè)為0,算法會(huì)找到最優(yōu)閾值,并作為第一個(gè)返回值ret返回。

其中會(huì)返回兩個(gè)值,第二個(gè)值就是二值化后的圖形矩陣。

3.3輪廓的尋找

在輪廓的尋找方面,采用cv2.findContours方式。代碼示例如下:

cr,t=cv2.findContours(b, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)##找到邊界,第一個(gè)參數(shù)是二值圖像,第二個(gè)參數(shù)是獲取輪廓的方式,
#第三個(gè)參數(shù)定義輪廓的近似方式

上述函數(shù)里的參數(shù)中,第一個(gè)參數(shù)是二值化后的矩陣,第二個(gè)參數(shù)是獲取輪廓的方式,第三個(gè)參數(shù)是定義輪廓的近似方式。后面兩個(gè)參數(shù)的具體解釋如下:


上面得到的結(jié)果中第一個(gè)結(jié)果是輪廓點(diǎn)的集合。

畫出邊界輪廓,運(yùn)用函數(shù)是cv2.drawContours,代碼示例如下:

plt.imshow(cv2.drawContours(e,cr,-1,50))#畫出邊界,可以看出有坐標(biāo)軸和五角星兩個(gè)邊界,第一個(gè)參數(shù)是原圖,第二個(gè)參數(shù)是邊界,
#第三個(gè)參數(shù)代表畫出所有邊界,第四個(gè)參數(shù)是線的粗細(xì)

上述函數(shù)中第一個(gè)參數(shù)是原始圖形,第二個(gè)參數(shù)是得到的輪廓點(diǎn)的集合,第三個(gè)參數(shù)是代表畫出所有輪廓點(diǎn),第四個(gè)參數(shù)是線的粗細(xì)。

得到結(jié)果如下:


可以發(fā)現(xiàn),坐標(biāo)軸的輪廓和五角星的輪廓都被畫了出來。

3.4輪廓的逼近,得到頂點(diǎn)

在得到輪廓點(diǎn)后,需要得到輪廓的頂點(diǎn),通過頂點(diǎn)得到具體什么圖形,在輪廓逼近中用到兩個(gè)函數(shù):cv2.arcLength,cv2.approxPolyDP,代碼示例如下:

ep = 0.01*cv2.arcLength(cr[1], True)#五角星輪廓的周長cr[0]是坐標(biāo)軸的周長,然后將其縮小,作為下一步的閾值
ap = cv2.approxPolyDP(cr[1], ep, True)#輪廓的轉(zhuǎn)折點(diǎn)的近似點(diǎn)

cv2.arcLength得到的是輪廓點(diǎn)形成的曲線圍成的圖形的周長,cr[1]代表里層五角星的輪廓點(diǎn),因?yàn)閏r里有兩個(gè)輪廓集合,一個(gè)是外層的坐標(biāo)軸的輪廓點(diǎn)集合,一個(gè)是里層五角星的輪廓點(diǎn)集合。True代表閉合的曲線。將其取1%作為下一個(gè)函數(shù)的閾值。

cv2.approxPolyDP將其得到的輪廓點(diǎn)進(jìn)行篩選(按設(shè)定的閾值與其真實(shí)的線進(jìn)行比較),其篩選的標(biāo)準(zhǔn)就是上一個(gè)函數(shù)得到的1%的周長,大于這個(gè)值的點(diǎn)舍去,小于這個(gè)值的點(diǎn)保留,True依然代表閉合曲線。

通過以上的步驟就可以保留一些點(diǎn),而這些點(diǎn)就是得到頂點(diǎn)(這點(diǎn)需要讀者去想一想,為什么以1%周長為閾值得到的點(diǎn)就是頂點(diǎn),作者認(rèn)為是兩條線的拐點(diǎn)相對(duì)于來說是里真實(shí)線最近的點(diǎn))
頂點(diǎn)數(shù):

len(ap)#可以看見五角星有10個(gè)點(diǎn)

四、依據(jù)頂點(diǎn)判斷形狀

根據(jù)得到的定點(diǎn)數(shù)就可判斷出形狀了,三個(gè)頂點(diǎn)就是三角形,四個(gè)就是矩形,十個(gè)就是五角星,十個(gè)以上就是圓形了;上述的完整代碼如下:

import cv2
import os
from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
d=os.listdir('C:\\Users\\dell\\Desktop\\cleardata\\')
for i in range(len(d)):
 e=cv2.imread('C:\\Users\\dell\\Desktop\\cleardata\\'+d[i])
 g=cv2.cvtColor(e,cv2.COLOR_BGR2GRAY)
 r,b=cv2.threshold(g,0,255,cv2.THRESH_OTSU)
 cr,t=cv2.findContours(b, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
 ep = 0.01*cv2.arcLength(cr[1], True)
 ap = cv2.approxPolyDP(cr[1], ep, True)
 co=len(ap)
 if co==3:
  st='三角形'
 elif co==4:
  st='矩形'
 elif co==10:
  st='五角星'
 else:
  st='圓'  
 plt.imsave('C:\\Users\\dell\\Desktop\\形狀\\'+st+str(e[100][100])+str(i)+'.jpg',e)#取圖像中間的點(diǎn)的RGB作為顏色代表

這里我還取了圖形的中點(diǎn),希望得到圖片的顏色,其得到的是RGB值,通過RGB值就可以得到顏色。
最終結(jié)果如下:




到此這篇關(guān)于基于opencv的簡單圖像輪廓形狀識(shí)別(全網(wǎng)最簡單最少代碼)的文章就介紹到這了,更多相關(guān)opencv 圖像輪廓形狀識(shí)別內(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!

您可能感興趣的文章:
  • OpenCV圖像輪廓的繪制方法
  • python 基于opencv 繪制圖像輪廓
  • opencv 圖像輪廓的實(shí)現(xiàn)示例
  • opencv python 圖像輪廓/檢測輪廓/繪制輪廓的方法
  • Python Opencv實(shí)現(xiàn)圖像輪廓識(shí)別功能
  • OpenCV半小時(shí)掌握基本操作之圖像輪廓

標(biāo)簽:臨汾 東莞 廊坊 長春 河池 德宏 重慶 漢中

巨人網(wǎng)絡(luò)通訊聲明:本文標(biāo)題《Python基于opencv的簡單圖像輪廓形狀識(shí)別(全網(wǎng)最簡單最少代碼)》,本文關(guān)鍵詞  Python,基于,opencv,的,簡單,;如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題,煩請(qǐng)?zhí)峁┫嚓P(guān)信息告之我們,我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò),涉及言論、版權(quán)與本站無關(guān)。
  • 相關(guān)文章
  • 下面列出與本文章《Python基于opencv的簡單圖像輪廓形狀識(shí)別(全網(wǎng)最簡單最少代碼)》相關(guān)的同類信息!
  • 本頁收集關(guān)于Python基于opencv的簡單圖像輪廓形狀識(shí)別(全網(wǎng)最簡單最少代碼)的相關(guān)信息資訊供網(wǎng)民參考!
  • 推薦文章