美文网首页
Python OpenCV 图像区域轮廓标记,可用于框选各种小纸

Python OpenCV 图像区域轮廓标记,可用于框选各种小纸

作者: 梦想橡皮擦 | 来源:发表于2021-12-21 08:01 被阅读0次

    Python OpenCV 365 天学习计划,与橡皮擦一起进入图像领域吧。本篇博客是这个系列的第 54 篇。
    该系列文章导航参考:https://blog.csdn.net/hihell/category_10688961.html

    学在前面

    上篇 OpenCV 博客原计划完成一个 识别银行卡号 的项目,但是写的过程中发现,技术储备不足,我无法在下述图片中,提取出卡号区域,也就无法进行后续的识别了,再次意识到了自己技术还不达标,继续学习。完不成,就实现其它学习项目。

    20210308150948681[1].png

    轮廓识别实战

    先看一下最终实现的效果,针对一张图片(该图片前景色和背景色差异较大),进行轮廓标记。

    20210308174935557[1].png

    图片基本处理

    import cv2 as cv
    
    src = cv.imread("./demo.jpg")
    
    gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
    # cv.imshow("src", src)
    
    gray = cv.GaussianBlur(gray, (5, 5), 0)
    edges = cv.Canny(gray, 70, 210)
    
    cv.imshow("edged", edges)
    

    转换成灰度图,高斯模糊去噪,Canny 边缘检测,这些都是图像处理的基本函数,使用方法已经在前文进行过相关学习。

    运行上述代码之后,获取基本边缘数据。

    20210308175538709[1].png

    轮廓检测

    下面就是检测图像轮廓具体位置的代码了:

    contours, hierarchy = cv.findContours(edges.copy(), cv.RETR_LIST, cv.CHAIN_APPROX_SIMPLE)
    print(f"轮廓数量:{len(contours)}")
    

    cv.findContours(edges, cv.RETR_LIST, cv.CHAIN_APPROX_SIMPLE) 中,第二个参数使用的是 cv.RETR_LIST,该参数值表示检测所有轮廓,不建立等级关系,彼此独立。如果只想获取轮廓边缘信息,不关心是否嵌套在另一个轮廓之内,使用该参数值即可。

    第三个参数使用的是 cv.CHAIN_APPROX_SIMPLE,表示压缩水平方向,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,这也是为了后面便于计算。

    观察上图,可以发现最外侧的边缘面积是最大的,所以依据面积进行排序,依据其他值也可以,获取面积最大的轮廓。

    contours = sorted(contours, key = cv.contourArea, reverse = True)[:3]
    

    对轮廓进行简单绘制,获得下图效果。

    cv.drawContours(src,contours,-1,(0,0,255),2)
    
    
    20210308180741737[1].png

    遍历轮廓,计算轮廓近似

    先看代码:

    # 遍历轮廓
    for c in contours:
        # 计算轮廓近似
        peri = cv.arcLength(c, True)
        approx = cv.approxPolyDP(c, 0.02 * peri, True)
    

    一个新的函数 cv.arcLength,该函数的原型如下:

    retval = cv2.arcLength(curve, closed)
    

    该函数用于计算轮廓的周长。

    下面的 cv.approxPolyDP 函数原型如下:

    approxCurve = cv2.approxPolyDP(curve, epsilon, closed[, approxCurve])
    

    函数参数如下:

    • curve:源图像的某个轮廓;
    • epsilon:距离值,表示多边形的轮廓接近实际轮廓的程度,值越小,越精确;
    • closed:轮廓是否闭合。

    最重要的参数就是 epsilon 简单记忆为:该值越小,得到的多边形角点越多,轮廓越接近实际轮廓,该参数是一个准确度参数。

    该函数返回值为轮廓近似多边形的角点。

    绘制轮廓

    最后判断,当上文返回的角点为 4 的时候,提取轮廓,代码如下:

    # 遍历轮廓
    for c in contours:
        # 计算轮廓近似
        peri = cv.arcLength(c, True)
        approx = cv.approxPolyDP(c, 0.02 * peri, True)
    
        # 当恰好是 4 个角点的时候,获取轮廓。
        if len(approx) == 4:
            screen_cnt = approx
            break
    
    # 结果显示
    cv.drawContours(src, [screen_cnt], -1, (0, 0, 255), 2)
    

    更换图片,进行再次轮廓检测,注意修改轮廓近似部分代码即可。

    # 遍历轮廓
    for c in contours:
        # 计算轮廓近似
    
        approx = cv.approxPolyDP(c, 30, True)
    
        if len(approx) == 4:
            screen_cnt = approx
            break
    
    20210308193339645[1].png

    橡皮擦的小节

    希望今天的 1 个小时(貌似不太够)你有所收获,我们下篇博客见~

    相关文章

      网友评论

          本文标题:Python OpenCV 图像区域轮廓标记,可用于框选各种小纸

          本文链接:https://www.haomeiwen.com/subject/yvitqrtx.html