【python】OpenCV—findContours（4.3）

news/2024/11/6 0:27:36 标签: python, opencv, 开发语言, findcontours, 轮廓

在这里插入图片描述

文章目录

  • 1、功能描述
  • 2、代码实现
  • 3、完整代码
  • 4、结果展示
  • 5、涉及到的库函数
    • 5.1、cv2.Canny
    • 5.2 cv2.boxPoints
  • 6、参考

1、功能描述

找出图片中的轮廓，拟合轮廓外接椭圆和外接矩阵

2、代码实现

导入必要的库，固定好随机种子

python">import cv2 as cv
import numpy as np
import argparse
import random as rng

rng.seed(12345)

读取输入图片，判定图片是否读入成功

python">parser = argparse.ArgumentParser(
    description='Code for Creating Bounding rotated boxes and ellipses for contours tutorial.')
parser.add_argument('--input', help='Path to input image.', default='1.png')
args = parser.parse_args()
src = cv.imread(cv.samples.findFile(args.input))

if src is None:
    print('Could not open or find the image:', args.input)
    exit(0)

灰度化图片，并平滑

python"># Convert image to gray and blur it
src_gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
src_gray = cv.blur(src_gray, (3, 3))
source_window = 'Source'
cv.namedWindow(source_window)
cv.imshow(source_window, src)

创建滚动条，动态配置参数，随着滑动条的滑动实现不同的算法效果

python">max_thresh = 255
thresh = 100  # initial threshold
cv.createTrackbar('Canny Thresh:', source_window, thresh, max_thresh, thresh_callback)
thresh_callback(thresh)
cv.waitKey()

算法核心函数 thresh_callback，下面具体看看细节

python">def thresh_callback(val):
    global src_gray
    threshold = val
    src_gray = cv.GaussianBlur(src_gray, (3, 3), 0.1)
    canny_output = cv.Canny(src_gray, threshold, threshold * 2)

高斯模糊，canny 算子

python">    contours, _ = cv.findContours(canny_output, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)

    # Find the rotated rectangles and ellipses for each contour
    minRect = [None] * len(contours)
    minEllipse = [None] * len(contours)
    for i, c in enumerate(contours):
        minRect[i] = cv.minAreaRect(c)
        if c.shape[0] > 5:
            minEllipse[i] = cv.fitEllipse(c)
    # Draw contours + rotated rects + ellipses

找出轮廓，遍历轮廓，最小外接矩形框直接调用 cv2.minAreaRect 即可

如果轮廓多于 5 个点，cv2.fiEllipse 找椭圆

python">    # Draw contours + rotated rects + ellipses

    drawing = np.zeros((canny_output.shape[0], canny_output.shape[1], 3), dtype=np.uint8)

    for i, c in enumerate(contours):
        color = (rng.randint(0, 256), rng.randint(0, 256), rng.randint(0, 256))
        # contour
        cv.drawContours(drawing, contours, i, color)
        # ellipse
        if c.shape[0] > 5:
            cv.ellipse(drawing, minEllipse[i], color, 2)
        # rotated rectangle
        box = cv.boxPoints(minEllipse[i])
        # box = cv.boxPoints(minRect[i])
        box = np.intp(box)  # np.intp: Integer used for indexing (same as C ssize_t; normally either int32 or int64)
        # box = np.int0(box)  # normally either int32 or int64)
        cv.drawContours(drawing, [box], 0, color)


    cv.imshow('Contours', drawing)
    cv.imshow("Canny", canny_output)

绘制轮廓，轮廓外接矩阵，轮廓拟合出来的椭圆，随机颜色

注意 box = cv.boxPoints(minEllipse[i]) 绘制的是椭圆的外接矩阵，而 box = cv.boxPoints(minRect[i]) 绘制轮廓的外接矩阵被注释掉了

3、完整代码

python">import cv2 as cv
import numpy as np
import argparse
import random as rng

rng.seed(12345)


def thresh_callback(val):
    global src_gray
    threshold = val
    src_gray = cv.GaussianBlur(src_gray, (3, 3), 0.1)
    canny_output = cv.Canny(src_gray, threshold, threshold * 2)

    contours, _ = cv.findContours(canny_output, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)

    # Find the rotated rectangles and ellipses for each contour
    minRect = [None] * len(contours)
    minEllipse = [None] * len(contours)
    for i, c in enumerate(contours):
        minRect[i] = cv.minAreaRect(c)
        if c.shape[0] > 5:
            minEllipse[i] = cv.fitEllipse(c)

    # Draw contours + rotated rects + ellipses

    drawing = np.zeros((canny_output.shape[0], canny_output.shape[1], 3), dtype=np.uint8)

    for i, c in enumerate(contours):
        color = (rng.randint(0, 256), rng.randint(0, 256), rng.randint(0, 256))
        # contour
        cv.drawContours(drawing, contours, i, color)
        # ellipse
        if c.shape[0] > 5:
            cv.ellipse(drawing, minEllipse[i], color, 2)
        # rotated rectangle
        box = cv.boxPoints(minEllipse[i])
        # box = cv.boxPoints(minRect[i])
        box = np.intp(box)  # np.intp: Integer used for indexing (same as C ssize_t; normally either int32 or int64)
        # box = np.int0(box)  # normally either int32 or int64)
        cv.drawContours(drawing, [box], 0, color)


    cv.imshow('Contours', drawing)
    cv.imshow("Canny", canny_output)


parser = argparse.ArgumentParser(
    description='Code for Creating Bounding rotated boxes and ellipses for contours tutorial.')
parser.add_argument('--input', help='Path to input image.', default='1.png')
args = parser.parse_args()
src = cv.imread(cv.samples.findFile(args.input))

if src is None:
    print('Could not open or find the image:', args.input)
    exit(0)

# Convert image to gray and blur it
src_gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
src_gray = cv.blur(src_gray, (3, 3))
source_window = 'Source'
cv.namedWindow(source_window)
cv.imshow(source_window, src)
max_thresh = 255
thresh = 100  # initial threshold
cv.createTrackbar('Canny Thresh:', source_window, thresh, max_thresh, thresh_callback)
thresh_callback(thresh)
cv.waitKey()

4、结果展示

Canny Thresh：0

在这里插入图片描述

Canny Thresh：5
在这里插入图片描述

Canny Thresh：15
在这里插入图片描述

Canny Thresh：25
在这里插入图片描述

Canny Thresh：35

在这里插入图片描述
Canny Thresh：45
在这里插入图片描述

Canny Thresh：100

在这里插入图片描述

Canny Thresh：150

在这里插入图片描述

Canny Thresh：200

在这里插入图片描述

Canny Thresh：255
在这里插入图片描述

5、涉及到的库函数

5.1、cv2.Canny

cv2.Canny 是 OpenCV 库中用于边缘检测的一个函数，它实现了 Canny 边缘检测算法。Canny 边缘检测是一种非常流行的边缘检测算法，由 John F. Canny 在 1986 年提出。这个算法旨在寻找图像中的最优边缘，它通过应用多尺度高斯滤波来减少噪声，然后计算图像梯度，接着通过非极大值抑制和滞后阈值化来检测边缘。

python">edges = cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]])
  • image：输入的灰度图像。在进行 Canny 边缘检测之前，通常需要先将图像转换为灰度图像。
  • threshold1：第一个阈值，用于滞后阈值化中的低阈值。
  • threshold2：第二个阈值，用于滞后阈值化中的高阈值。只有那些梯度值高于 threshold2 的像素才会被当作边缘，而梯度值位于 threshold1 和 threshold2 之间的像素只有在它们连接到高阈值边缘时才会被接受。
  • edges：输出参数，用于存储检测到的边缘。如果不指定，则会自动创建一个同大小的输出图像。
  • apertureSize：Sobel 算子的大小，默认为 3。这个参数影响梯度计算的精度，但增加大小也会增加计算时间。
  • L2gradient：一个布尔值，指示是否使用更精确的 L2 范数来计算图像梯度幅值。默认值为 False，即使用 L1 范数（即简单地将梯度在 x 和 y 方向的分量相加）。

返回值：

  • edges：一个二值图像，其中检测到的边缘像素被设置为白色（255），其他像素被设置为黑色（0）。

Canny 边缘检测的优点在于它能够有效地抑制噪声，并且检测到的边缘通常是连续的。然而，它的效果也依赖于所选的阈值，因此在实际应用中，可能需要根据具体情况调整 threshold1 和 threshold2 的值。

5.2 cv2.boxPoints

cv2.boxPoints 用于计算给定矩形旋转后的顶点坐标。这个函数在需要处理旋转矩形时非常有用，比如在图像中绘制旋转的边界框时。

python">points = cv2.boxPoints(box[, rotMat])

参数解释：

  • box：表示矩形的参数。这可以是一个包含四个元素的元组或列表 (center_x, center_y, width, height)，其中 (center_x, center_y) 是矩形中心的坐标，width 和 height 分别是矩形的宽度和高度（注意：这里的宽度和高度是按照矩形的原始大小，不考虑旋转）。在某些版本的 OpenCV 中，box 也可能是一个 cv2.RotatedRect 对象。
  • rotMat：可选参数，表示旋转矩阵。这是一个 2x3 的浮点数数组，用于指定对矩形进行额外旋转的角度。如果未提供此参数，则矩形不会被额外旋转，只返回根据 box 参数计算出的四个顶点坐标。

返回值：

  • points：一个包含四个点的 NumPy 数组，每个点都是一个包含两个元素的元组或列表 (x, y)，表示旋转后矩形的顶点坐标。

需要注意的是，如果 box 是一个 cv2.RotatedRect 对象，那么它本身就包含了旋转信息（即旋转角度和中心点），此时 rotMat 参数将被忽略，因为 cv2.RotatedRect 已经定义了矩形的旋转状态。

示例代码：

python">import cv2  
import numpy as np  
  
# 定义一个中心点、宽度、高度的矩形  
center = (100, 100)  
width = 200  
height = 100  
angle = 45  # 旋转角度（以度为单位）  
  
# 创建一个旋转矩形对象  
rect = cv2.RotatedRect(center, (width, height), angle)  
  
# 获取旋转矩形的顶点  
points = cv2.boxPoints(rect)  
points = np.intp(points)  # 将坐标转换为整数类型，以便在图像上绘制  
  
# 创建一个黑色图像  
image = np.zeros((256, 256, 3), dtype=np.uint8)  
  
# 在图像上绘制旋转矩形的边  
for i in range(4):  
    cv2.line(image, tuple(points[i]), tuple(points[(i+1)%4]), (255, 0, 0), 2)  
# 显示图像  
cv2.imshow('Rotated Rectangle', image)  
cv2.waitKey(0)  
cv2.destroyAllWindows()

在这里插入图片描述

在这个示例中，我们首先定义了一个矩形的中心点、宽度、高度和旋转角度，然后创建了一个 cv2.RotatedRect 对象来表示这个旋转矩形。接着，我们使用 cv2.boxPoints 函数来获取旋转矩形的顶点坐标，并在一个黑色图像上绘制了这个矩形的边。最后，我们显示了包含旋转矩形的图像。

6、参考

  • 根据轮廓创建旋转框和椭圆
  • 【python】OpenCV—findContours（4.2）

http://www.niftyadmin.cn/n/5739968.html

相关文章

鸿蒙内核论文阅读总结概述

鸿蒙内核论文阅读总结概述

原文链接： https://www.usenix.org/system/files/osdi24-chen-haibo.pdf “Microkernel Goes General: Performance and Compatibility in the HongMeng Production Microkernel” 由 Haibo Chen 等人撰写，介绍了鸿蒙内核（HM）的设…
阅读更多...
Android 15 在状态栏时间中显示秒数

Android 15 在状态栏时间中显示秒数

这是更新后的博客草稿，关于在Android 15状态栏中显示秒数的实现： 在Android 15状态栏中显示秒数 在Android 15中，您可以通过两种方式在状态栏中显示秒数：使用ADB命令或修改系统源代码。下面详细介绍这两种方法。 方法一：通过ADB实现 您可以使用ADB（Android调试桥）命令…
阅读更多...
Kafka 之批量消息发送消费

Kafka 之批量消息发送消费

前言： 前面我们分享了 Kafka 的一些基础知识，以及 Spring Boot 集成 Kafka 完成消息发送消费，本篇我们来分享一下 Kafka 的批量消息发送消费。 Kafka 系列文章传送门 Kafka 简介及核心概念讲解 Spring Boot 整合 Kafka 详解 Kafka Kafka…
阅读更多...
动态规划 —— dp问题-按摩师

动态规划 —— dp问题-按摩师

1. 按摩师 题目链接： 面试题 17.16. 按摩师 - 力扣（LeetCode）https://leetcode.cn/problems/the-masseuse-lcci/description/ 2. 算法原理 状态表示：以某一个位置为结尾或者以某一个位置为起点 dp[i]表示：选择到i位置…
阅读更多...
mac终端运行 MySQL语句 和服务器相关命令

mac终端运行 MySQL语句 和服务器相关命令

文章目录 1.mac服务器相关命令1.获取mac电脑的IP 2.MySQL语句1. 退出 MySQL：2.使用新密码连接：3.创建一个新数据库：4.查看数据库列表：5.使用数据库：6.创建一个用户表：7.插入数据8.查询数据9.更新数据10.删除…
阅读更多...
【3D】基础概念

【3D】基础概念

3D建模大概可分两类为：NURBS和多边形网格。 NURBS:由数学方程和矢量定义，而不是多边形,对要求精细、弹性与复杂的模型有较好的应用，适合量化生产用途。比如plasticity, fusion360。不适合deformations with displacement or rigging etc多边…
阅读更多...
OpenEuler 使用ffmpeg x11grab捕获屏幕流,rtsp推流，并用vlc播放

OpenEuler 使用ffmpeg x11grab捕获屏幕流,rtsp推流，并用vlc播放

环境准备 安装x11grab(用于捕获屏幕流)和libx264(用于编码) # 基础开发环境&x11grab sudo dnf install -y \autoconf \automake \bzip2 \bzip2-devel \cmake \freetype-devel \gcc \gcc-c \git \libtool \make \mercurial \pkgconfig \zlib-devel \libX11-devel \libXext…
阅读更多...
[MySQL#11] 索引底层(2) | B+树 | 索引的CURD | 全文索引

[MySQL#11] 索引底层(2) | B+树 | 索引的CURD | 全文索引

目录 1.B树的特点 索引结构 复盘 其他数据结构的对比 B树与B树总结 聚簇索引与非聚簇索引 辅助索引 2. 索引操作 主键索引 1. 创建主键索引 第一种方式 第二种方式 第三种方式 2. 查询索引 第一种方法 第二种方法 第三种方法 3. 删除索引 删除主键索引 删除…
阅读更多...
最新文章

Copyright @ 2022~2023