OpenCV中幾何形狀識別與測量
阿新 • • 發佈：2018-04-16
OpenCV Python 圖像處理 形狀識別 幾何分析 經常看到有學習OpenCV不久的人提問，如何識別一些簡單的幾何形狀與它們的顏色，其實通過OpenCV的輪廓發現與幾何分析相關的函數，只需不到100行的代碼就可以很好的實現這些簡單幾何形狀識別與對象測量相關操作。本文就會演示給大家如何通過OpenCV 輪廓發現與幾何分析相關函數實現如下功能：
- 幾何形狀識別（識別三角形、四邊形/矩形、多邊形、圓）
- 計算幾何形狀面積與周長、中心位置
-
提取幾何形狀的顏色
在具體代碼實現與程序演示之前，我們先要搞清楚一些概念。
一：基本概念與函數介紹
1. 輪廓(contours)
什麽是輪廓，簡單說輪廓就是一些列點相連組成形狀、它們擁有同樣的顏色、輪廓發現在圖像的對象分析、對象檢測等方面是非常有用的工具，在OpenCV中使用輪廓發現相關函數時候要求輸入圖像是二值圖像，這樣便於輪廓提取、邊緣提取等操作。輪廓發現的函數與參數解釋如下：
findContours(image, mode, method, contours=None, hierarchy=None, offset=None)
- image輸入/輸出的二值圖像
- mode 迒回輪廓的結構、可以是List、Tree、External
- method 輪廓點的編碼方式，基本是基於鏈式編碼
- contours 迒回的輪廓集合
- hieracrchy 迒回的輪廓層次關系
- offset 點是否有位移2. 多邊形逼近
多邊形逼近，是通過對輪廓外形無限逼近，刪除非關鍵點、得到輪廓的關鍵點，不斷逼近輪廓真實形狀的方法，OpenCV中多邊形逼近的函數與參數解釋如下：
approxPolyDP(curve, epsilon, closed, approxCurve=None) - curve 表示輸入的輪廓點集合 - epsilon 表示逼近曲率，越小表示相似逼近越厲害 - close 是否閉合
3. 幾何距計算
圖像幾何距是圖像的幾何特征，高階幾何距中心化之後具有特征不變性，可以產
生Hu距輸出，用於形狀匹配等操作，這裏我們通過計算一階幾何距得到指定輪廓的中心位置，計算幾何距的函數與參數解釋如下：
moments(array, binaryImage=None)
- array表示指定輸入輪廓
- binaryImage默認為None二：代碼實現與演示
整個代碼實現分為如下幾步完成
- 加載圖像，
- 圖像二值化
- 輪廓發現
- 幾何形狀識別
- 測量周長、面積、計算中心
- 顏色提取
完整的源代碼如下：
#################################################### # 作者:zhigang, #################################################### import cv2 as cv import numpy as np class ShapeAnalysis: def __init__(self): self.shapes = {‘triangle‘: 0, ‘rectangle‘: 0, ‘polygons‘: 0, ‘circles‘: 0} def analysis(self, frame): h, w, ch = frame.shape result = np.zeros((h, w, ch), dtype=np.uint8) # 二值化圖像 print("start to detect lines...\n") 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) 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) # 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" # 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) # 顏色分析 color = frame[cy][cx] color_str = "(" + str(color[0]) + ", " + str(color[1]) + ", " + str(color[2]) + ")" # 計算面積與周長 p = cv.arcLength(contours[cnt], True) area = cv.contourArea(contours[cnt]) print("周長: %.3f, 面積: %.3f 顏色: %s 形狀: %s "% (p, area, color_str, shape_type)) cv.imshow("Analysis Result", self.draw_text_info(result)) cv.imwrite("D:/test-result.png", self.draw_text_info(result)) return self.shapes def draw_text_info(self, image): c1 = self.shapes[‘triangle‘] c2 = self.shapes[‘rectangle‘] c3 = self.shapes[‘polygons‘] c4 = self.shapes[‘circles‘] cv.putText(image, "triangle: "+str(c1), (10, 20), cv.FONT_HERSHEY_PLAIN, 1.2, (255, 0, 0), 1) cv.putText(image, "rectangle: " + str(c2), (10, 40), cv.FONT_HERSHEY_PLAIN, 1.2, (255, 0, 0), 1) cv.putText(image, "polygons: " + str(c3), (10, 60), cv.FONT_HERSHEY_PLAIN, 1.2, (255, 0, 0), 1) cv.putText(image, "circles: " + str(c4), (10, 80), cv.FONT_HERSHEY_PLAIN, 1.2, (255, 0, 0), 1) return image if __name__ == "__main__": src = cv.imread("D:/javaopencv/gem_test.png") ld = ShapeAnalysis() ld.analysis(src) cv.waitKey(0) cv.destroyAllWindows()
原圖
運行結果：
控制臺輸出：
歡迎繼續關註本博客，學習OpenCV Python教程
Python+OpenCV3.3圖像處理視頻教程
OpenCV中幾何形狀識別與測量