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. 圖片的輪廓識別
5. 得到圖片的頂點數(shù)
6. 依據(jù)頂點數(shù)判斷圖像形狀

一、原數(shù)據(jù)的展示

圖片文件共36個文件夾，每個文件夾有100張圖片，共3600張圖片。

每一個文件夾里都有形同此類的圖形

二、數(shù)據(jù)的整合

對于多個文件夾，分析起來很不方便，所有決定將其都放在一個文件夾下進行分析，在python中具體實現(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)讀取每個子文件夾
for i in range(len(a)):
 	b=os.listdir('C:\\Users\\dell\\Desktop\\OpenCVProofSet\\'+a[i])#讀取每個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)讀取每個圖片文件
  c.save('C:\\Users\\dell\\Desktop\\cleardata\\'+str(i)+'_'+str(j)+'.png')#以文件夾序號和圖片序號為名保存在一個興建文件夾下

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)一設置為255，小于等于0的統(tǒng)一設置為0

上述代碼的第一個參數(shù)為灰度圖形，第二個參數(shù)是閾值，即大于0的像素點轉(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。如對于一幅雙峰圖像（理解為圖像直方圖中存在兩個峰），我們指定的閾值應盡量在兩個峰之間的峰谷。這時，就可以用第四個參數(shù)THRESH_OTSU，它對一幅雙峰圖像自動根據(jù)其直方圖計算出合適的閾值（對于非雙峰圖，這種方法得到的結(jié)果可能不理想）。
對于雙峰圖，我們需要多傳入一個參數(shù)cv2.THRESH_OTSU，并且把閾值thresh設為0，算法會找到最優(yōu)閾值，并作為第一個返回值ret返回。

其中會返回兩個值，第二個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，第一個參數(shù)是二值圖像，第二個參數(shù)是獲取輪廓的方式，
#第三個參數(shù)定義輪廓的近似方式

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

上面得到的結(jié)果中第一個結(jié)果是輪廓點的集合。

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

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

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

得到結(jié)果如下：

可以發(fā)現(xiàn)，坐標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

在得到輪廓點后，需要得到輪廓的頂點，通過頂點得到具體什么圖形，在輪廓逼近中用到兩個函數(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)折點的近似點

cv2.arcLength得到的是輪廓點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，因為cr里有兩個輪廓集合，一個是外層的坐標軸的輪廓點集合，一個是里層五角星的輪廓點集合。True代表閉合的曲線。將其取1%作為下一個函數(shù)的閾值。

cv2.approxPolyDP將其得到的輪廓點進行篩選（按設定的閾值與其真實的線進行比較），其篩選的標準就是上一個函數(shù)得到的1%的周長，大于這個值的點舍去，小于這個值的點保留，True依然代表閉合曲線。

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

len(ap)#可以看見五角星有10個點

四、依據(jù)頂點判斷形狀

根據(jù)得到的定點數(shù)就可判斷出形狀了，三個頂點就是三角形，四個就是矩形，十個就是五角星，十個以上就是圓形了；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)#取圖像中間的點的RGB作為顏色代表

這里我還取了圖形的中點，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：

到此這篇關于基于opencv的簡單圖像輪廓形狀識別(全網(wǎng)最簡單最少代碼)的文章就介紹到這了,更多相關opencv 圖像輪廓形狀識別內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論