快捷導(dǎo)航

Python Opencv輪廓常用操作代碼實(shí)例解析

更新時(shí)間：2020年09月01日 08:34:20 作者：五月的白色鈴蘭

這篇文章主要介紹了Python Opencv輪廓常用操作代碼實(shí)例解析,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下

1.顏色空間轉(zhuǎn)換

使用cv2.cvtColor(input_image ，flag)，flag為轉(zhuǎn)換類型

常用的轉(zhuǎn)換類型有：

BGR和灰度圖的轉(zhuǎn)換使用 cv2.COLOR_BGR2GRAY
BGR和HSV的轉(zhuǎn)換使用 cv2.COLOR_BGR2HSV

img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

2.二值化

ret, dst = cv2.threshold(src, thresh, maxval, type)
src：表示的是圖片源（灰度圖）
thresh：表示的是閾值（起始值）
maxval：表示的是最大值
type：表示的是這里劃分的時(shí)候使用的是什么類型的算法，常用值為0（cv2.THRESH_BINARY）

返回值

ret：指定的thresh

dst：目標(biāo)圖像

ret, dst = cv2.threshold(img_gray, 200, 255, cv2.THRESH_BINARY)

3.查找并繪制輪廓

3.1 cv2.findContours(image, mode, method[, offset])

概述：

尋找一個(gè)二值圖像的輪廓。注意黑色表示背景，白色表示物體，即在黑色背景里尋找白色物體的輪廓

參數(shù)：

image: 8位單通道圖像。非零像素值視為1，所以圖像視作二值圖像
mode: 輪廓檢索的方式
- cv2.RETR_EXTERNAL: 只檢索外部輪廓
- cv2.RETR_LIST: 檢測(cè)所有輪廓且不建立層次結(jié)構(gòu)
- cv2.RETR_CCOMP: 檢測(cè)所有輪廓，建立兩級(jí)層次結(jié)構(gòu)。上面的一層為外邊界，里面的一層為內(nèi)孔的邊界信息。如果內(nèi)孔內(nèi)還有一個(gè)連通物體，這個(gè)物體的邊界也在頂層。
- cv2.RETR_TREE: 檢測(cè)所有輪廓，建立完整的層次結(jié)構(gòu)
method: 輪廓近似的方法
- cv2.CHAIN_APPROX_NONE: 存儲(chǔ)所有的輪廓點(diǎn)
- cv2.CHAIN_APPROX_SIMPLE: 壓縮水平，垂直和對(duì)角線段，只留下端點(diǎn)。例如矩形輪廓可以用4個(gè)點(diǎn)編碼
- cv2.CHAIN_APPROX_TC89_L1,cv2.CHAIN_APPROX_TC89_KCOS:使用Teh-Chini chain近似算法
offset:（可選參數(shù)）輪廓點(diǎn)的偏移量，格式為tuple,如（-10，10）表示輪廓點(diǎn)沿X負(fù)方向偏移10個(gè)像素點(diǎn)，沿Y正方向偏移10個(gè)像素點(diǎn)

返回值：

contours: 輪廓點(diǎn)。列表格式，每一個(gè)元素為一個(gè)3維數(shù)組（其形狀為（n,1,2），其中n表示輪廓點(diǎn)個(gè)數(shù)，2表示像素點(diǎn)坐標(biāo)）,表示一個(gè)輪廓
hierarchy: 輪廓間的層次關(guān)系,為三維數(shù)組，形狀為（1,n,4），其中n表示輪廓總個(gè)數(shù)，4指的是用4個(gè)數(shù)表示各輪廓間的相互關(guān)系。第一個(gè)數(shù)表示同級(jí)輪廓的下一個(gè)輪廓編號(hào)，第二個(gè)數(shù)表示同級(jí)輪廓的上一個(gè)輪廓的編號(hào)，第三個(gè)數(shù)表示該輪廓下一級(jí)輪廓的編號(hào)，第四個(gè)數(shù)表示該輪廓的上一級(jí)輪廓的編號(hào)

補(bǔ)充：若想得到輪廓點(diǎn)的集合的列表，可使用

cnt = np.squeeze(contours[0])

3.2 cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]])

參數(shù)：

image: 需要繪制輪廓的目標(biāo)圖像，注意會(huì)改變?cè)瓐D
contours: 輪廓點(diǎn)，上述函數(shù)cv2.findContours()的第一個(gè)返回值
contourIdx: 輪廓的索引，表示繪制第幾個(gè)輪廓，-1表示繪制所有的輪廓
color: 繪制輪廓的顏色
thickness:（可選參數(shù)）輪廓線的寬度，-1表示填充
lineType:（可選參數(shù)）輪廓線型，包括cv2.LINE_4,cv2.LINE_8（默認(rèn)）,cv2.LINE_AA,分別表示4鄰域線，8領(lǐng)域線，抗鋸齒線（可以更好地顯示曲線）
hierarchy:（可選參數(shù)）層級(jí)結(jié)構(gòu)，上述函數(shù)cv2.findContours()的第二個(gè)返回值，配合maxLevel參數(shù)使用
maxLevel:（可選參數(shù)）等于0表示只繪制指定的輪廓，等于1表示繪制指定輪廓及其下一級(jí)子輪廓，等于2表示繪制指定輪廓及其所有子輪廓
offset:（可選參數(shù)）輪廓點(diǎn)的偏移量

import cv2
img = cv2.imread('D:/2.jpg',1)

img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, dst = cv2.threshold(img_gray, 200, 255, cv2.THRESH_BINARY)

contours,hierarchy = cv2.findContours(dst, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)
cv2.drawContours(img, contours, -1, (0, 255, 0), 3)

cv2.imshow('img',img)
cv2.waitKey(0)

4.點(diǎn)與輪廓位置關(guān)系

此功能可查找圖像中的點(diǎn)與輪廓之間的最短距離。當(dāng)點(diǎn)在輪廓外時(shí)返回負(fù)值，當(dāng)點(diǎn)在內(nèi)部時(shí)返回正值，如果點(diǎn)在輪廓上則返回零

dist = cv2.pointPolygonTest(cnt, (100, 100), True)

檢查(100,100)與輪廓（cnt）的距離

在函數(shù)中，第二個(gè)參數(shù)需要tuple類型；第三個(gè)參數(shù)是measureDist。如果為True，則查找距離. 如果為False，則查找該點(diǎn)是在內(nèi)部還是外部或在輪廓上（它分別返回+1，-1，0）

如果不需要到距離，請(qǐng)確保第三個(gè)參數(shù)為False，因?yàn)檫@是一個(gè)耗時(shí)的過程。因此，將其設(shè)為False可提供2-3倍的加速

5.直線擬合fitline函數(shù)

output = cv2.fitLine(InputArray points, distType, param, reps, aeps)

參數(shù)：

InputArray Points: 待擬合的直線的集合，必須是矩陣形式（如numpy.array)
distType: 距離類型。fitline為距離最小化函數(shù)，擬合直線時(shí)，要使輸入點(diǎn)到擬合直線的距離和最小化。這里的距離的類型有以下幾種：
- cv2.DIST_USER : User defined distance
- cv2.DIST_L1: distance = |x1-x2| + |y1-y2|
- cv2.DIST_L2: 歐式距離，此時(shí)與最小二乘法相同
- cv2.DIST_C: distance = max(|x1-x2|,|y1-y2|)
- cv2.DIST_L12: L1-L2 metric: distance = 2(sqrt(1+x*x/2) - 1))
- cv2.DIST_FAIR
- cv2.DIST_WELSCH
- cv2.DIST_HUBER
param: 距離參數(shù)，跟所選的距離類型有關(guān)，值可以設(shè)置為0
reps,aeps: 第5/6個(gè)參數(shù)用于表示擬合直線所需要的徑向和角度精度，通常情況下兩個(gè)值均被設(shè)定為1e-2