Python，OpenCV应用轮廓逼近算法，检测对象的形状

news/2024/9/22 15:32:22

上一篇博客，我们学习了如何利用Python、OpenCV计算轮廓的中心，这一节学习仅运用轮廓的基本属性来检测其形状，三角形，正方形，矩形，五边形，圆。

（1）利用轮廓逼近，将曲线上的点数减少为更简单的近似版本的过程。
（2）基于该轮廓逼近，检查每种形状具有的顶点数量。有了顶点数，就能准确地标记每个形状。三个点——三角形，四个点（结合宽高比确定矩形和正方形），5个点五边形，其他的结合膨胀腐蚀假设其为圆；

在这里插入图片描述

# python detect_shapes.py --image shapes_and_colors.png# 导入必要的包
import argparse
import imutils
import cv2class ShapeDetector:def __init__(self):pass# 轮廓形状识别器 只有一个参数 c：轮廓# 为了进行形状检测，我们将使用轮廓近似法。 顾名思义，轮廓近似（contour approximation）是一种算法，用于通过减少一组点来减少曲线中的点数，因此称为术语近似。# 轮廓近似是基于以下假设：一条曲线可以由一系列短线段近似。这将导致生成近似曲线，该曲线由原始曲线定义的点子集组成。# 轮廓近似实际上已经通过cv2.approxPolyDP在OpenCV中实现。def detect(self, c):# 初始化形状名称，使用轮廓近似法shape = "unidentified"# 计算周长peri = cv2.arcLength(c, True)approx = cv2.approxPolyDP(c, 0.04 * peri, True)# 轮廓是由一系列顶点组成的；如果是三角形，将拥有3个向量if len(approx) == 3:shape = "triangle"# 如果有4个顶点，那么是矩形或者正方形elif len(approx) == 4:# 计算轮廓的边界框 并且计算宽高比(x, y, w, h) = cv2.boundingRect(approx)ar = w / float(h)# 正方形的宽高比~~1 ，否则是矩形shape = "square" if ar >= 0.95 and ar <= 1.05 else "rectangle"# 如果是五边形（pentagon），将有5个顶点elif len(approx) == 5:shape = "pentagon"# 否则，根据上边的膨胀腐蚀，我们假设它为圆形else:shape = "circle"# 返回形状的名称return shape# 构建命令行参数
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=True,help="path to the input image")
args = vars(ap.parse_args())# 加载图片 保持宽高比并resize到一个比较小的大小，以使其有更好的轮廓近似结果
image = cv2.imread(args["image"])
resized = imutils.resize(image, width=300)
ratio = image.shape[0] / float(resized.shape[0])# 转换为灰度图 高斯平滑减少高频噪音 二值化图像
gray = cv2.cvtColor(resized, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
thresh = cv2.threshold(blurred, 60, 255, cv2.THRESH_BINARY)[1]# 在阈值图像上进行形状检测，并初始化形状检测器
cnts = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
# 兼容opencv版本获取正确的轮廓结果
cnts = imutils.grab_contours(cnts)
sd = ShapeDetector()# 注意图像是如何二值化的-形状在黑色背景上显示为白色前景。
# 循环遍历每个轮廓，对每个轮廓执行形状检测，然后在对象上绘制形状的名称。
for c in cnts:# 计算轮廓的中心，应用轮廓检测其形状M = cv2.moments(c)cX = int((M["m10"] / M["m00"]) * ratio)cY = int((M["m01"] / M["m00"]) * ratio)shape = sd.detect(c)# 还原原始的轮廓大小# 将轮廓* 缩放的ratio比例 并将其绘制在图像上，同时将形状的标签文本绘制在图像上c = c.astype("float")c *= ratioc = c.astype("int")cv2.drawContours(image, [c], -1, (0, 255, 0), 2)cv2.putText(image, shape, (cX, cY), cv2.FONT_HERSHEY_SIMPLEX,0.5, (255, 255, 255), 2)# 展示输出图片cv2.imshow("Image", image)cv2.waitKey(0)