opencv python 轮廓特征/凸包/外接矩形/外接圆/拟合矩形/拟合直线/拟合圆

tulayang 发布于2019-07-30 17:05 / 1578人阅读

摘要：因此，边界矩形的面积不会最小设，为矩形的左上角坐标，，为宽度和高度代码最小外接矩形返回一个结构，其中包含以下，，，，画上述矩形代码最小封闭圈拟合椭圆拟合直线

Contour Features

1 图像的矩

cv2.moments()
图像的矩可以帮助计算物体的某些特征，如对象的质心，对象的区域等.

代码：

import cv2
import numpy as np

img = cv2.imread("img7.png",0)
ret,thresh = cv2.threshold(img,127,255,0)
im2,contours,hierarchy = cv2.findContours(thresh, 1, 2)

cnt = contours[0]
M = cv2.moments(cnt)
print( M )

输出：{"m00": 283.0, "m10": 8260.666666666666, "m01": 34747.666666666664, "m20": 251349.8333333333, "m11": 1008063.0, "m02": 4274513.166666666, "m30": 7941981.4, "m21": 30484543.9, "m12": 123258620.46666667, "m03": 526819846.70000005, "mu20": 10223.989595602674, "mu11": -6208.702394974302, "mu02": 8080.874165684916, "mu30": 8302.495426246896, "mu21": -14552.154961312423, "mu12": 11791.528133469663, "mu03": -3268.923251092434, "nu20": 0.12765785058625623, "nu11": -0.07752253611575, "nu02": 0.10089867729257346, "nu30": 0.006162296011483629, "nu21": -0.010800931752771139, "nu12": 0.008751933371317017, "nu03": -0.0024262672459139235}

此刻，可以提取有用的数据，如面积，质心等.
质心由关系给出：

cx = int(M["m10"]/M["m00"])
cy = int(M["m01"]/M["m00"])

2轮廓面积

cv2.contourArea(contour[, oriented])

3轮廓周长

cv2.arcLength(curve, closed)
第二个参数指定形状是否为闭合轮廓

4轮廓近似

它根据我们指定的精度将轮廓形状近似为具有较少顶点数的另一个形状.它是Douglas-Peucker算法的一种实现方式.

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

第二个参数epsilon，它是从轮廓到近似轮廓的最大距离.第三个参数指定曲线是否闭合.

下面，在第二幅图像中，绿线表示epsilon =弧长的10％的近似曲线. 第三幅图像显示相同的epsilon =弧长的1％.
代码：

import cv2
import numpy as np

img = cv2.imread("img8.png")
cv2.imshow("src",img)
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
im2, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnt = contours[1]

epsilon = 0.1*cv2.arcLength(cnt,True)
approx = cv2.approxPolyDP(cnt,epsilon,True)
cv2.polylines(img, [approx], True, (0, 0, 255), 2)

cv2.imshow("show",img)
cv2.waitKey()

5凸包

凸包看起来类似轮廓近似，但是它不是（两者在某些情况下可能提供相同的结果）.

convexHull(points[, hull[, clockwise[, returnPoints]]]):检查曲线的凸性缺陷并进行修正.

points:传入的轮廓

hull：输出

clockwise：方向标志，如果为True，则顺时针方向输出凸包.

returnPoints：默认情况下为True，然后它返回hull points的坐标；如果为False，则返回与hull points对应的轮廓点的索引

下面的手形图像. 红线表示手的凸包，双面箭头标记显示凸起缺陷.

代码：

import cv2
import numpy as np

img = cv2.imread("img8.png")

imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
im2, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnt = contours[1]

hull = cv2.convexHull(cnt)

returnPoints = True，得到以下值:

array([[[192, 135]],
       [[  9, 135]],
       [[  9,  12]],
       [[192,  12]]], dtype=int32)

如果想找到凸性缺陷，需要传递returnPoints = False,得到以下结果:

array([[129],
       [ 67],
       [  0],
       [142]], dtype=int32)

这些是轮廓中相应点的索引,检查第一个值：

cnt[129]

Out[3]: array([[192, 135]], dtype=int32)

与第一个结果相同.

6 检查凸性

cv2.isContourConvex(contour):检查曲线是否凸起

7 外接矩形 7.1 直边外接矩形

它是一个直的矩形，它不考虑对象的旋转。因此，边界矩形的面积不会最小.
cv.boundingRect()
设（x，y）为矩形的左上角坐标，（w，h）为宽度和高度
代码：

import cv2
import numpy as np

img = cv2.imread("img7.png")

imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
im2, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnt = contours[0]

x,y,w,h = cv2.boundingRect(cnt)
cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)

cv2.imshow("show",img)
cv2.waitKey()

7.2 最小外接矩形

cv.minAreaRect返回一个Box2D结构，其中包含以下detals - （center（x，y），（width，height），rotation of rotation）
cv.boxPoints画上述矩形.

代码：

rect = cv2.minAreaRect(cnt)
box = cv2.boxPoints(rect)
box = np.int0(box)
cv2.drawContours(img,[box],0,(0,0,255),2)

8 最小封闭圈

(x,y),radius = cv2.minEnclosingCircle(cnt)
center = (int(x),int(y))
radius = int(radius)
cv2.circle(img,center,radius,(0,255,0),2)

9 拟合椭圆

ellipse = cv2.fitEllipse(cnt)
cv2.ellipse(img,ellipse,(0,255,0),2)

10 拟合直线

rows,cols = img.shape[:2]
[vx,vy,x,y] = cv2.fitLine(cnt, cv2.DIST_L2,0,0.01,0.01)
lefty = int((-x*vy/vx) + y)
righty = int(((cols-x)*vy/vx)+y)
cv2.line(img,(cols-1,righty),(0,lefty),(0,255,0),2)

私有云混合云最小二乘圆拟合算法拟合圆柱拟合 matlab数据拟合

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/42002.html

【2021 亚太杯数学建模】赛题A-Image Edge Analysis and applicat

摘要：图图像边缘检测图图像边缘轮廓图图像的亚像素边缘轮廓问题建立一个数学模型分析亚像素边缘提取的方法和过程。基于矩的亚像素边缘检测利用矩的积分算子来定位亚像素边缘，之所以选择矩，是因为这种算法对噪声不敏感。 ...

不知名网友 2021-11-29 10:50 评论0 收藏0
备份笔记

摘要：步骤高斯平滑去噪计算梯度强度及方向非极大抑制在每一点上，首先将梯度近似为四个方向，然后将领域中心与沿着其对应的梯度方向的两个像素相比，若中心像素为最大值，则保留，否则中心置，这样可以抑制非极大值，保留局部梯度最大的点，以得到细化的边缘。 ...

jsyzchen 2021-10-08 10:05 评论0 收藏0
opencv python 轮廓属性/纵横比/Extent/Solidity/等效直径/掩模/极点

摘要：请注意，和最大值和最小值及它们的位置我们可以使用掩模图像得到这些参数平均颜色或平均强度在这里，我们可以找到对象的平均颜色。我们再次使用掩模完成它极点目标最上面，最下面，最左边，最右边的点 Contour Properties 1 纵横比它是对象的边界矩形的宽度与高度的比率. $$ Rspect Ratio = frac{Width}{Height} $$ x,y,w,h = cv2...

AJie 2019-07-30 17:05 评论0 收藏0
最小外接矩形思路以及实现

摘要：最小外接矩形外接矩形计算对一个凸多边形进行外接矩形计算，需要知道当前面的最大和最小值，即可获得外接矩形最小外接矩形计算对凸多边形的每一条边都绘制一个外接矩形求最小面积。最小外接矩形外接矩形计算对一个凸多边形进行外接矩形计算，需要知道当前面的最大xy 和最小xy值，即可获得外接矩形 showImg(https://segmentfault.com/img/remote/146000...

qiangdada 2019-08-16 15:20 评论0 收藏0
【经验分享】谈谈工业质检中的二维定位算子

摘要：本文主要聊一下工业质检中的二维定位算子。工业领域的计算机视觉也往往被叫做机器视觉，包括机械手引导定位读码工业部件测量缺陷检测体积等应用。同样，在其他的视觉软件中，模板比对可能有着不一样的名称，比如基恩士就叫轮廓比对。 ...

haitiancoder 2021-09-04 16:45 评论0 收藏0