Opencv学习3.形状识别模块

Posted 2021-09-04 Esaka7

Shape Detection

轮廓检测

contours, hierarchy = cv2.findContours(image,mode,method)

• 第一个参数输入图像，
• 第二个参数表示轮廓的检索模式，有四种：
  1.cv2.RETR_EXTERNAL表示只检测外轮廓
  2.cv2.RETR_LIST检测的轮廓不建立等级关系
  3.cv2.RETR_CCOMP建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层。
  4.cv2.RETR_TREE建立一个等级树结构的轮廓。
• cv2.CHAIN_APPROX_NONE存储所有的轮廓点，相邻的两个点的像素位置差不超过1，即max（abs（x1-x2），abs（y2-y1））==1
  cv2.CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息
  cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法

计算轮廓面积

contourArea(contour,oriented = False)

此函数利用格林公式计算轮廓的面积。对于具有自交点的轮廓，该函数几乎肯定会给出错误的结果。

1.contour:输入二维的向量，存储为vector(C++)或Mat。
2.oriented:有方向的区域标志。

• true:此函数依赖轮廓的方向（顺时针或逆时针）返回一个已标记区域的值。
• false:默认值。意味着返回不带方向的绝对值。

计算轮廓长度

cv2.arcLength(InputArray curve, bool closed)

• curve，输入的二维点集（轮廓顶点），可以是 vector 或 Mat 类型。
• closed，用于指示曲线是否封闭。

多边拟合函数

主要功能是把一个连续光滑曲线折线化，对图像轮廓点进行多边形拟合

cv2.approxPolyDP(InputArray curve, OutputArray approxCurve, double epsilon, bool closed)

• InputArray curve:一般是由图像的轮廓点组成的点
• OutputArray approxCurve：表示输出的多边形点集
• double epsilon：主要表示输出的精度，就是另个轮廓点之间最大距离数，5,6,7，，8…
• bool closed：表示输出的多边形是否封闭

获得最小矩形边框

x,y,w,h = cv2.boundingRect(img)

def geContours(img):
    countors,Hierarchy = cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)
    for cnt in countors:
        area = cv2.contourArea(cnt)
        print(area)
        if area>500:
            cv2.drawContours(imgContour,cnt,-1,(255,0,0),3)
            peri = cv2.arcLength(cnt,True)
            print(peri)
            approx = cv2.approxPolyDP(cnt,0.02*peri,True)
            print(len(approx))
            objCor = len(approx)
            x,y,w,h = cv2.boundingRect(approx)
            
            #判断形状
            if objCor == 3: objType = "Tri"
            elif objCor == 4:
                aspRatio = w/float(h)
                if aspRatio >0.95 and aspRatio <1.05: objType= "Square"
                else:objType="Rectangle"
            elif objCor>4: objType= "circles"
            else:objType="None"

            cv2.rectangle(imgContour,(x,y),(x+w,y+h),(0,255,0),2)
            cv2.putText(imgContour,objType,
                    (x+(w//2)-10,y+(h//2)-10),cv2.FONT_HERSHEY_COMPLEX,0.7,
                     (0,0,0),2)

module:

import cv2
import numpy as np

def stackImages(scale,imgArray):
'''
图像叠加模块
'''
    rows = len(imgArray)
    cols = len(imgArray[0])
    # & 输出一个 rows * cols 的矩阵（imgArray）
    print(rows,cols)
    # & 判断imgArray[0] 是不是一个list
    rowsAvailable = isinstance(imgArray[0], list)
    # & imgArray[][] 是什么意思呢？
    # & imgArray[0][0]就是指[0,0]的那个图片（我们把图片集分为二维矩阵，第一行、第一列的那个就是第一个图片）
    # & 而shape[1]就是width，shape[0]是height，shape[2]是
    width = imgArray[0][0].shape[1]
    height = imgArray[0][0].shape[0]

    if rowsAvailable:
        for x in range (0, rows):
            for y in range(0, cols):
                # & 判断图像与后面那个图像的形状是否一致，若一致则进行等比例放缩；否则，先resize为一致，后进行放缩
                if imgArray[x][y].shape[:2] == imgArray[0][0].shape [:2]:
                    imgArray[x][y] = cv2.resize(imgArray[x][y], (0, 0), None, scale, scale)
                else:
                    imgArray[x][y] = cv2.resize(imgArray[x][y], (imgArray[0][0].shape[1], imgArray[0][0].shape[0]), None, scale, scale)
                # & 如果是灰度图，则变成RGB图像（为了弄成一样的图像）
                if len(imgArray[x][y].shape) == 2: imgArray[x][y]= cv2.cvtColor( imgArray[x][y], cv2.COLOR_GRAY2BGR)
        # & 设置零矩阵
        imageBlank = np.zeros((height, width, 3), np.uint8)
        hor = [imageBlank]*rows
        hor_con = [imageBlank]*rows
        for x in range(0, rows):
            hor[x] = np.hstack(imgArray[x])
        ver = np.vstack(hor)
    # & 如果不是一组照片，则仅仅进行放缩 or 灰度转化为RGB
    else:
        for x in range(0, rows):
            if imgArray[x].shape[:2] == imgArray[0].shape[:2]:
                imgArray[x] = cv2.resize(imgArray[x], (0, 0), None, scale, scale)
            else:
                imgArray[x] = cv2.resize(imgArray[x], (imgArray[0].shape[1], imgArray[0].shape[0]), None,scale, scale)
            if len(imgArray[x].shape) == 2: imgArray[x] = cv2.cvtColor(imgArray[x], cv2.COLOR_GRAY2BGR)
        hor= np.hstack(imgArray)
        ver = hor
    return ver

def geContours(img):
    countors,Hierarchy = cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)
    for cnt in countors:
        area = cv2.contourArea(cnt)
        print(area)
        if area>500:
            cv2.drawContours(imgContour,cnt,-1,(255,0,0),3)
            peri = cv2.arcLength(cnt,True)
            print(peri)
            approx = cv2.approxPolyDP(cnt,0.02*peri,True)
            print(len(approx))
            objCor = len(approx)
            x,y,w,h = cv2.boundingRect(approx)
            
            if objCor == 3: objType = "Tri"
            elif objCor == 4:
                aspRatio = w/float(h)
                if aspRatio >0.95 and aspRatio <1.05: objType= "Square"
                else:objType="Rectangle"
            elif objCor>4: objType= "circles"
            else:objType="None"

            cv2.rectangle(imgContour,(x,y),(x+w,y+h),(0,255,0),2)
            cv2.putText(imgContour,objType,
                    (x+(w//2)-10,y+(h//2)-10),cv2.FONT_HERSHEY_COMPLEX,0.7,
                     (0,0,0),2)


path = 'python/OpenCVTutorial/resources/shapes.png'
img = cv2.imread(path)
imgContour = img.copy()
imgGray = cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
imgBlur = cv2.GaussianBlur(imgGray,(7,7),1)
imgCanny = cv2.Canny(imgBlur,50,50)
geContours(imgCanny)


imgBlank = np.zeros_like(img)
imgStack = stackImages(0.4,([img,imgGray,imgBlur],
                           [imgCanny,imgContour,imgBlank]))


cv2.imshow("Stack",imgStack)
cv2.waitKey(0)

可以看到最后一个图片识别了形状