使用 OpenCV 在 Python 中检测图像中的形状

系统管理员 2023-10-01 15:49 54阅读 0赞

OpenCV 是一个开源库，主要用于处理图像和视频以识别形状、对象、文本等。它主要与 python 一起使用。在本文中，我们将了解如何检测图像中的形状。为此，我们需要OpenCV 的cv2.findContours()函数，并且我们将使用cv2.drawContours()函数在图像上绘制边缘。轮廓是形状的轮廓或边界。

方法

  • 导入模块
  • 导入图片
  • 将其转换为灰度图像
  • 对图像应用阈值，然后找出轮廓。
  • 在轮廓范围内运行一个循环并遍历它。
  • 在这个循环中绘制形状的轮廓（使用 drawContours() ）并找出形状的中心点。
  • 根据检测到的形状有多少个轮廓点对检测到的形状进行分类，并将检测到的形状名称放在形状的中心点。

使用的功能

  • cv2.findContours()：基本上这个方法找出图像中所有形状的边界点。

语法： cv2.findContours(src, contour_retrieval, contours_approximation)

参数：

  • src：输入图像 n 维（但在我们的示例中，我们将使用
    最首选的 2 维图像。）

  • 轮廓检索：

    • cv.RETR_EXTERNAL：只检索极端外轮廓
    • cv.RETR_LIST：检索所有轮廓而不建立任何层次关系。
    • cv.RETR_TREE：检索所有轮廓并重建嵌套轮廓的完整层次结构。

  • 轮廓近似：

    • cv.CHAIN_APPROX_NONE：它将存储所有边界点。
    • cv.CHAIN_APPROX_SIMPLE：它将存储端点的数量（例如，如果是矩形，它将存储4个）

返回值：轮廓点列表

  • cv2.drawContours() ：此方法绘制轮廓。如果您提供边界点，它也可以绘制形状。

语法： cv.DrawContours(src、contour、contourIndex、color、thickness)

参数：

  • src： n维图像
  • 轮廓：可以列出轮廓点。

  • 轮廓指数：

    • -1：绘制所有轮廓

  • 要绘制单个轮廓，我们可以在此处传递索引值

    • 颜色：颜色值
    • 厚度：轮廓的大小

输入：

2a8a6deae392b454b34ad60efe1b23c0.png

程序：

  • Python3









import cv2


import numpy as np


from matplotlib import pyplot as plt


  


# reading image


img = cv2.imread(‘shapes.png’)


  


# converting image into grayscale image


gray = cv2.cvtColor(img, cv2.COLORBGR2GRAY)


  


# setting threshold of gray image


, threshold = cv2.threshold(gray, 127, 255, cv2.THRESHBINARY)


  


# using a findContours() function


contours, = cv2.findContours(


    threshold, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)


  


i = 0


  


# list for storing names of shapes


for contour in contours:


  


    # here we are ignoring first counter because 


    # findcontour function detects whole image as shape


    if i == 0:


        i = 1


        continue


  


    # cv2.approxPloyDP() function to approximate the shape


    approx = cv2.approxPolyDP(


        contour, 0.01 * cv2.arcLength(contour, True), True)


      


    # using drawContours() function


    cv2.drawContours(img, [contour], 0, (0, 0, 255), 5)


  


    # finding center point of shape


    M = cv2.moments(contour)


    if M[‘m00’] != 0.0:


        x = int(M[‘m10’]/M[‘m00’])


        y = int(M[‘m01’]/M[‘m00’])


  


    # putting shape name at center of each shape


    if len(approx) == 3:


        cv2.putText(img, ‘Triangle’, (x, y),


                    cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 255, 255), 2)


  


    elif len(approx) == 4:


        cv2.putText(img, ‘Quadrilateral’, (x, y),


                    cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 255, 255), 2)


  


    elif len(approx) == 5:


        cv2.putText(img, ‘Pentagon’, (x, y),


                    cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 255, 255), 2)


  


    elif len(approx) == 6:


        cv2.putText(img, ‘Hexagon’, (x, y),


                    cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 255, 255), 2)


  


    else:


        cv2.putText(img, ‘circle’, (x, y),


                    cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 255, 255), 2)


  


# displaying the image after drawing contours


cv2.imshow(‘shapes’, img)


  


cv2.waitKey(0)


cv2.destroyAllWindows()

输出：

bb7c0630f9bc1d893307ef8a092bd890.png

发表评论

表情：
评论列表 （有 0 条评论，54人围观）

还没有评论，来说两句吧...

相关阅读