【python】OpenCV—Shape Detection

news2024/9/23 21:23:26

在这里插入图片描述

文章目录

1、需求描述
2、代码实现
3、涉及到的库函数
- cv2.arcLength
- cv2.approxPolyDP
4、案例
5、参考

1、需求描述

给出图像，找出其轮廓，近似确认其为几变形图像

输入
在这里插入图片描述
输出

在这里插入图片描述

2、代码实现

# 导入必要的包
import cv2
import argparse
import imutils
import os


class ShapeDetector:
    def __init__(self):
        pass

    def detect(self, c):
        # 初始化形状名称并近似轮廓
        shape = "unidentified"
        peri = cv2.arcLength(c, True)
        approx = cv2.approxPolyDP(c, 0.04 * peri, True)
        # 如果形状是一个三角形，它将有3个顶点
        if len(approx) == 3:
            shape = "triangle"
        # 如果形状有4个顶点，它要么是正方形，要么是矩形
        elif len(approx) == 4:
            # 计算轮廓的包围框，并使用包围框计算高宽比
            (x, y, w, h) = cv2.boundingRect(approx)
            ar = w / float(h)
            # 正方形的长宽比大约等于1，否则，形状就是矩形
            shape = "square" if ar >= 0.95 and ar <= 1.05 else "rectangle"
        # 如果形状是一个五边形，它将有5个顶点
        elif len(approx) == 5:
            shape = "pentagon"
        # 否则，我们假设形状是一个圆
        else:
            shape = "circle"
        # 返回形状的名称
        return shape


# 构造参数解析并解析参数
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", default="inpaint.jpg", help="path to the input image")
args = vars(ap.parse_args())


# 加载图像并将其调整图像大小，以便更好地近似形状
image = cv2.imread(args["image"])
resized = imutils.resize(image, width=300)
ratio = image.shape[0] / float(resized.shape[0])
# 将调整后的图像转换为灰度，稍微模糊它，并阈值化
gray = cv2.cvtColor(resized, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
thresh = cv2.threshold(blurred, 60, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
cv2.imwrite(f"{os.path.splitext(args['image'])[0]}_thresh.jpg", thresh)
# 在阈值化图像中找到轮廓并初始化形状检测器
cnts = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL,
                        cv2.CHAIN_APPROX_SIMPLE)
cnts = imutils.grab_contours(cnts)
sd = ShapeDetector()


# 遍历所有轮廓
for index, c in enumerate(cnts):
    # 计算轮廓的中心，然后仅使用轮廓检测形状的名称
    M = cv2.moments(c)
    cX = int((M["m10"] / M["m00"]) * ratio)
    cY = int((M["m01"] / M["m00"]) * ratio)
    shape = sd.detect(c)
    # 将轮廓(x, y)坐标乘以调整比例，然后在图像上绘制轮廓和形状的名称
    c = c.astype("float")
    c *= ratio
    c = c.astype("int")
    cv2.drawContours(image, [c], -1, (0, 255, 0), 2)
    cv2.putText(image, shape, (cX, cY), cv2.FONT_HERSHEY_SIMPLEX,
                0.5, (0, 0, 255), 2)
    # 显示输出图像
    cv2.imwrite(f"{os.path.splitext(args['image'])[0]}_{str(index)}.jpg", image)
    cv2.imshow("Image", image)
    cv2.waitKey(0)

代码中可以明确看到对多边形的定义

3、涉及到的库函数

cv2.arcLength

cv2.arcLength 是 OpenCV（Open Source Computer Vision Library）库中的一个函数，用于计算多边形的周长或轮廓的弧长。这个函数在处理图像中的形状分析、轮廓检测等任务时非常有用。它接受一个轮廓（轮廓是一系列的点，通常通过边缘检测或轮廓查找算法获得）作为输入，并返回该轮廓的周长。

length = cv2.arcLength(contour, True)

contour：输入轮廓，应该是一个点集（通常是numpy.ndarray类型），这些点定义了轮廓的形状。
第二个参数是True或False，指定轮廓是否应该被近似为闭合的（通过连接轮廓的第一个点和最后一个点）。如果轮廓已经是闭合的，或者你不关心轮廓是否闭合，可以传递True。如果轮廓不是闭合的，但你不希望它被视为闭合的，应该传递False。注意，这个参数在一些版本的OpenCV中可能不是必需的，或者默认值为True。

返回值

length：返回轮廓的周长或弧长，类型为浮点数。

cv2.approxPolyDP

cv2.approxPolyDP 是 OpenCV 库中的一个函数，用于对轮廓或曲线进行多边形逼近。该函数使用 Douglas-Peucker 算法来减少表示轮廓或曲线所需的点数，同时尽可能保持其形状特征。这个功能在图像处理、计算机视觉和机器学习等领域中非常有用，特别是在处理轮廓检测、形状分析等方面。

approx = cv2.approxPolyDP(curve, epsilon, closed)

curve：要逼近的曲线或轮廓，可以是二维点的列表或 NumPy 数组。
epsilon：逼近精度。这是一个距离值，表示原始曲线上的点与逼近后的多边形之间的最大距离。epsilon 的值越小，逼近结果越精确，但所需的点数也可能越多。
closed：一个布尔值，指定逼近后的多边形是否闭合。如果为 True，则逼近后的多边形是闭合的；如果为 False，则逼近结果可能不是闭合的。

返回值

approx：逼近后的多边形，以二维点的列表或 NumPy 数组的形式返回。

需要注意的是，epsilon 的值是一个权衡参数，需要根据具体应用进行调整。较小的 epsilon 值会产生更精确的逼近结果，但可能会增加计算复杂性和所需的存储空间。较大的 epsilon 值则会产生更简单的逼近结果，但可能会损失一些形状细节。因此，在实际应用中，需要根据具体需求来选择合适的 epsilon 值。