OpenCV中幾何形狀識(shí)別與測(cè)量

經(jīng)常看到有學(xué)習(xí)OpenCV不久的人提問(wèn)，如何識(shí)別一些簡(jiǎn)單的幾何形狀與它們的顏色，其實(shí)通過(guò)OpenCV的輪廓發(fā)現(xiàn)與幾何分析相關(guān)的函數(shù)，只需不到100行的代碼就可以很好的實(shí)現(xiàn)這些簡(jiǎn)單幾何形狀識(shí)別與對(duì)象測(cè)量相關(guān)操作。本文就會(huì)演示給大家如何通過(guò)OpenCV 輪廓發(fā)現(xiàn)與幾何分析相關(guān)函數(shù)實(shí)現(xiàn)如下功能：

幾何形狀識(shí)別（識(shí)別三角形、四邊形/矩形、多邊形、圓）

計(jì)算幾何形狀面積與周長(zhǎng)、中心位置

提取幾何形狀的顏色

在具體代碼實(shí)現(xiàn)與程序演示之前，我們先要搞清楚一些概念。

一：基本概念與函數(shù)介紹

1. 輪廓(contours)

什么是輪廓，簡(jiǎn)單說(shuō)輪廓就是一些列點(diǎn)相連組成形狀、它們擁有同樣的顏色、輪廓發(fā)現(xiàn)在圖像的對(duì)象分析、對(duì)象檢測(cè)等方面是非常有用的工具，在OpenCV中使用輪廓發(fā)現(xiàn)相關(guān)函數(shù)時(shí)候要求輸入圖像是二值圖像，這樣便于輪廓提取、邊緣提取等操作。輪廓發(fā)現(xiàn)的函數(shù)與參數(shù)解釋如下：

findContours(image, mode, method, contours=None, hierarchy=None, offset=None)

- image輸入/輸出的二值圖像

- mode 返回輪廓的結(jié)構(gòu)、可以是List、Tree、External

- method 輪廓點(diǎn)的編碼方式，基本是基于鏈?zhǔn)骄幋a

- contours 返回的輪廓集合

- hieracrchy 返回的輪廓層次關(guān)系

- offset 點(diǎn)是否有位移

2. 多邊形逼近

多邊形逼近，是通過(guò)對(duì)輪廓外形無(wú)限逼近，刪除非關(guān)鍵點(diǎn)、得到輪廓的關(guān)鍵點(diǎn)，不斷逼近輪廓真實(shí)形狀的方法，OpenCV中多邊形逼近的函數(shù)與參數(shù)解釋如下：

approxPolyDP(curve, epsilon, closed, approxCurve=None)

- curve 表示輸入的輪廓點(diǎn)集合

- epsilon 表示逼近曲率，越小表示相似逼近越厲害

- close 是否閉合

3. 幾何距計(jì)算

圖像幾何距是圖像的幾何特征，高階幾何距中心化之后具有特征不變性，可以產(chǎn)生Hu距輸出，用于形狀匹配等操作，這里我們通過(guò)計(jì)算一階幾何距得到指定輪廓的中心位置，計(jì)算幾何距的函數(shù)與參數(shù)解釋如下：

moments(array, binaryImage=None)

- array表示指定輸入輪廓

- binaryImage默認(rèn)為None

二：代碼實(shí)現(xiàn)與演示

基于輪廓發(fā)現(xiàn)與多邊形逼近、幾何距實(shí)現(xiàn)幾何形狀識(shí)別與對(duì)象測(cè)量，測(cè)量時(shí)候還用到另外兩個(gè)相關(guān)API分別是計(jì)算輪廓的周長(zhǎng)與面積。具體用法在代碼中體現(xiàn)。整個(gè)代碼實(shí)現(xiàn)分為如下幾步完成：1.圖像二值化

# 二值化圖像

print("start to detect lines... ")

gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)

ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)

cv.imshow("input image", frame)

2.輪廓發(fā)現(xiàn)

out_binary, contours, hierarchy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)

for cnt in range(len(contours)):

# 提取與繪制輪廓

cv.drawContours(result, contours, cnt, (0, 255, 0), 2)

3.幾何形狀識(shí)別

# 輪廓逼近

epsilon = 0.01 * cv.arcLength(contours[cnt], True)

approx = cv.approxPolyDP(contours[cnt], epsilon, True)

# 分析幾何形狀

corners = len(approx)

shape_type = ""

if corners == 3:

count = self.shapes['triangle']

count = count+1

self.shapes['triangle'] = count

shape_type = "三角形"

if corners == 4:

count = self.shapes['rectangle']

count = count + 1

self.shapes['rectangle'] = count

shape_type = "矩形"

if corners >= 10:

count = self.shapes['circles']

count = count + 1

self.shapes['circles'] = count

shape_type = "圓形"

if 4 < corners < 10:

count = self.shapes['polygons']

count = count + 1

self.shapes['polygons'] = count

shape_type = "多邊形"

4.測(cè)量周長(zhǎng)、面積、計(jì)算中心

# 求解中心位置

mm = cv.moments(contours[cnt])

cx = int(mm['m10'] / mm['m00'])

cy = int(mm['m01'] / mm['m00'])

cv.circle(result, (cx, cy), 3, (0, 0, 255), -1)

# 計(jì)算面積與周長(zhǎng)

p = cv.arcLength(contours[cnt], True)

area = cv.contourArea(contours[cnt])

5.顏色提取

# 顏色分析

color = frame[cy][cx]

color_str = "(" + str(color[0]) + ", " + str(color[1]) + ", " + str(color[2]) + ")"

運(yùn)行顯示原圖如下：

分析結(jié)果：

控制臺(tái)輸出：

審核編輯 ：李倩