【opencv】二维面找角点/关键点实现

news2024/10/5 15:32:13

every blog every motto: You can do more than you think.

0. 前言

二维面找角点/关键点实现

1. 正文

1.1 前提

1.1.1 显示函数

def show(arr):
    plt.imshow(arr)
    plt.show()


def cvshow(arr):
    cv2.namedWindow('a', 0)
    cv2.imshow('a', arr)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

1.1.2 数据

数据准备

img1 = np.zeros((1080, 1920, 3), np.uint8)
img2 = np.zeros((1080, 1920, 3), np.uint8)
area1 = np.array([[250, 200], [300, 100], [750, 800], [100, 1000]])
area2 = np.array([[0, 200], [1500, 200], [1500, 400], [0, 400]])

填充

m1 = cv2.fillPoly(img1, [area1], (255, 255, 255))
m2 = cv2.fillPoly(img2, [area2], (255, 255, 255))

在这里插入图片描述
交集

res = cv2.bitwise_and(m1, m2)

在这里插入图片描述

1.2 方法一：先找轮廓再找凸包

前置：

凸包： 简单解释，给定二位平面上的点击，凸包就是将最外层的点链接起来构成凸多边形，它包含所有的点

最终要的一点，可以实现对点集排序！！！！

默认是顺时针，先左上。若点出现偏移可能会右下开始，只要求点有序即可，可以不做深入研究。

例子：

import cv2
hull = cv2.convexHull(points, clockwise, returnpoints)

hull : 输出凸包结果，n * 1 * 2 数据结构，n为外包围圈点数
points: 输入的坐标点，通常为1 * n * 2 结构，n为所有的坐标点的数目
clockwise：转动方向，TRUE为顺时针，否则为逆时针；
returnPoints：默认为TRUE，返回凸包上点的坐标，如果设置为FALSE，会返回与凸包点对应的轮廓上的点。

a. 找轮廓

gray = cv2.cvtColor(res, cv2.COLOR_BGR2GRAY)  # 转灰度
_, bin = cv2.threshold(gray, 50, 255, cv2.THRESH_BINARY)  # 阈值
# 找轮廓
contours, hierarchy = cv2.findContours(bin, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 轮廓画在图上
cv2.drawContours(res, contours, -1, (0, 0, 255), 5)
cvshow(res)

在这里插入图片描述

b. 找凸包

hull = cv2.convexHull(contours[0])

c. 显示凸包

这里我们遍历凸包点，将点画在原图上。这里是以点画圆，值得注意的是，点的颜色随着次序改变而改变，具体来说，（opencv中是BRG）红色逐渐减弱，绿色逐渐加深，渐变的大小为20，可以根据点数自己设定，如10等。

color_offset = 20
for idx, i in enumerate(hull):
    x, y = i.ravel()
    cv2.circle(res, (x, y), 1, (0, color_offset * idx, 255 - color_offset * idx), -1)

d. 显示

注意：需要将cv2.drawContours注释，否则会有遮挡

cvshow(res)

如下图所示，我们看到点是按顺序排列的！！！！
在这里插入图片描述

e. 方法一总代码

# 方法一：先找轮廓再找凸包
gray = cv2.cvtColor(res, cv2.COLOR_BGR2GRAY)  # 转灰度
_, bin = cv2.threshold(gray, 50, 255, cv2.THRESH_BINARY)  # 阈值
# 找轮廓
contours, hierarchy = cv2.findContours(bin, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 轮廓画在图上
cv2.drawContours(res, contours, -1, (0, 0, 255), 5)
hull = cv2.convexHull(contours[0])

1.3 方法二：先找角点再找凸包

a. 找角点

gray = cv2.cvtColor(res, cv2.COLOR_BGR2GRAY)  # 转灰度
corners = cv2.goodFeaturesToTrack(gray, 0, 0.01, 10) # 寻找角点

b. 显示一下角点

color_offset = 20
for idx, i in enumerate(corners):
    x, y = i.ravel()
    cv2.circle(res, (x, y), 1, (0, color_offset * idx, 255 - color_offset * idx), 3)

cvshow(res)

如下图所示，点是没有顺序的，这是因为上面的角点检测算法返回的点的结果是点的质量返回的，即点检测质量越好约靠前。下图我们可以看到四个角上点质量最好排在前面，我们实际应用需要这些点有序。
在这里插入图片描述

c. 凸包

corners = np.int0(corners)
hull = cv2.convexHull(corners)

d. 显示凸包

color_offset = 20
for idx, i in enumerate(corners):
    x, y = i.ravel()
    cv2.circle(res, (x, y), 1, (0, color_offset * idx, 255 - color_offset * idx), 3)

cvshow(res)

在这里插入图片描述

e. 方法二总代码

# 方法二：先找角点再找轮廓
gray = cv2.cvtColor(res, cv2.COLOR_BGR2GRAY)  # 转灰度
corners = cv2.goodFeaturesToTrack(gray, 0, 0.01, 10) # 寻找角点
corners = np.int0(corners)
hull = cv2.convexHull(corners)

1.4 找轮廓点（角点、关键点）（附）

显示找到的点，点的颜色代表顺序。我们这里是点的顺序按从红色到绿色

color_offset = 20
for idx, i in enumerate(points):
    x, y = i.ravel()
    cv2.circle(res, (x, y), 1, (0, color_offset * idx, 255 - color_offset * idx), 3)

cvshow(res)