（openCV⼗九）轮廓Contours形状拟合
什么是轮廓？
轮廓可以简单认为成将连续的点（连着边界）连在⼀起的曲线，具有相同 的颜⾊或者灰度。轮廓在形状分析和物体的检测和识别中很有
⽤。
· 为了更加准确，要使⽤⼆值化图像。在寻轮廓之前，要进⾏阈值化处理 或者 Canny 边界检测。
· 查轮廓的函数会修改原始图像。如果你在到轮廓之后还想使⽤原始图 像的话，你应该将原始图像存储到其他变量中。
· 在 OpenCV 中，查轮廓就像在⿊⾊背景中超⽩⾊物体。你应该记住， 要的物体应该是⽩⾊⽽背景应该是⿊⾊。
如何在⼀个⼆值图像中查轮廓？
函数 cv2.findContours()
输⼊参数：有三个，第⼀个是输⼊图像，第⼆个是 轮廓检索模式，第三个是轮廓近似⽅法。第三个参数设置为
cv2.CHAIN_APPROX_NONE，所有的边界点 都会被存储；设置为cv2.CHAIN_APPROX_SIMPLE 将轮廓冗余的点去掉，压缩轮廓，节
省内存开销。
返回值：有三个，第⼀个是图像，第⼆个 是轮廓，第三个是（轮廓的）层析结构。轮廓（第⼆个返回值）是⼀个 Python
列表，其中存储这图像中的所有轮廓。每⼀个轮廓都是⼀个 Numpy 数组，包 含对象边界点（x，y）的坐标。
im = cv2.imread('test.jpg')
imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(imgray,127,255,0)
image, contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
怎样绘制轮廓？
函数 cv2.drawContours() 可以被⽤来绘制轮廓。它可以根据你提供 的边界点绘制任何形状。它的第⼀个参数是原始图像，第⼆个参数是
轮廓，⼀ 个 Python 列表。第三个参数是轮廓的索引（在绘制独⽴轮廓是很有⽤，当设 置为 -1 时绘制所有轮廓）。接下来的参数是轮廓
的颜⾊和厚度等。
img = cv2.drawContour(img, contours, -1, (0,255,0), 3)
img = cv2.drawContours(img, contours, 3, (0,255,0), 3)
轮廓形状拟合
1 边界矩形
1.1 直边界矩形
⼀个直矩形（就是没有旋转的矩形）。它不会考虑对象是否旋转。所以边界矩形的⾯积不是最⼩的。可以使⽤函数 cv2.boundingRect() 查得到。（x，y）为矩形左x,y,w,h  = cv2.boundingRect(array)
array：轮廓点，常⽤contours[0]
（x，y）为矩形左上⾓的坐标，（w，h）是矩形的宽和⾼。
注：例⼦在最后
1.2 旋转的边界矩形
1.2 旋转的边界矩形
这个边界矩形是⾯积最⼩的，因为它考虑了对象的旋转。⽤到的函数为 cv2.minAreaRect()。
返回的是⼀个 Box2D 结构，其中包含矩形左上⾓⾓点的坐标（x，y），矩形的宽和⾼（w，h），以及旋转⾓度。
但是要绘制这个矩形需要矩形的 4 个⾓点，可以通过函数 cv2.boxPoints() 获得。
rect = cv2.minAreaRect(points)
points：轮廓点，常⽤contours[0]
rect：返回的是⼀个 Box2D 结构，其中包含矩形左上⾓⾓点的坐标（x，y），矩形的宽和⾼（w，h），以及旋转⾓度。但是要绘制这个矩形需要矩形的 4 个⾓点，可以通过函数 cv2.boxPoints() 获得。
2 最⼩外接圆
函数 cv2.minEnclosingCircle() 可以帮我们到⼀个对象的外切圆。它是所有能够包括对象的圆中⾯积最⼩的⼀个。
(x, y), radius = cv2.minEnclosingCircle(points)
points：轮廓点，常⽤contours[0]
(x, y)：圆⼼
radius：半径
3 椭圆拟合
使⽤的函数为 cv2.ellipse()，返回值其实就是旋转边界矩形的内切圆。
ellipse = cv2.fitEllipse(points)    或  (x,y),(a,b),angle = cv2.fitEllipse(points)
points：轮廓点，常⽤contours[0]
ellipse：可直接使⽤cv2.ellipse()画出椭圆
(x,y)：椭圆中⼼rectangle函数opencv
(a,b)：长轴短轴
angle：旋转⾓度
4 直线拟合
我们可以根据⼀组点拟合出⼀条直线，同样我们也可以为图像中的⽩⾊点拟合出⼀条直线。
[vx, vy, x, y] = cv2.fitLine(points, distType, param, reps, aeps, line)
points：⼆维点的数组
distType：距离类型
param：距离参数
reps：径向的精度参数
aeps：⾓度精度参数
line：输出直线
vx, vy：直线的⽅向
x, y：直线上⼀点
轮廓性质
1 长宽⽐
边界矩形的宽⾼⽐
2 Extent
轮廓⾯积与边界矩形⾯积的⽐。
3 Solidity
轮廓⾯积与凸包⾯积的⽐。
4 Equivalent Diameter
与轮廓⾯积相等的圆形的直径
------
---------------
作者：YukinoSiro
作者：YukinoSiro
来源：CSDN
原⽂：blog.csdn/yukinoai/article/details/87892718
版权声明：本⽂为博主原创⽂章，转载请附上博⽂链接！
import cv2
import numpy as np
from matplotlib import pyplot as plt
font = cv2.FONT_HERSHEY_SIMPLEX  # 设置字体样式
img = cv2.imread('img/cat.jpg')
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 200, 255, 0)
image, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) cnt = contours[0]
# 极点
img0 = py()
leftmost = tuple(cnt[cnt[:, :, 0].argmin()][0])
cv2.circle(img0, leftmost, 5, [0, 0, 255], -1)
rightmost = tuple(cnt[cnt[:, :, 0].argmax()][0])
cv2.circle(img0, rightmost, 5, [0, 0, 255], -1)
topmost = tuple(cnt[cnt[:, :, 1].argmin()][0])
cv2.circle(img0, topmost, 5, [0, 0, 255], -1)
bottommost = tuple(cnt[cnt[:, :, 1].argmax()][0])
cv2.circle(img0, bottommost, 5, [0, 0, 255], -1)
text1 = 'Leftmost: ' + str(leftmost) + ' Rightmost: ' + str(rightmost)
text2 = 'Topmost: ' + str(topmost) + ' Bottommost: ' + str(bottommost)
cv2.putText(img0, text1, (10, 30), font, 0.5, (0, 255, 0), 1, cv2.LINE_AA, 0)
cv2.putText(img0, text2, (10, 60), font, 0.5, (0, 255, 0), 1, cv2.LINE_AA, 0)
# 直边界矩形拟合
img1 = py()
x, y, w, h = cv2.boundingRect(cnt)
area = urArea(cnt)
aspect_ratio = float(w)/h  # 长宽⽐
rect_area = w*h
extent = float(area)/rect_area  # 轮廓⾯积与边界矩形⾯积的⽐。
hull = vexHull(cnt)
hull_area = urArea(hull)
solidity = float(area)/hull_area  # 轮廓⾯积与凸包⾯积的⽐。
text1 = 'Aspect Ration: ' + str(round(aspect_ratio, 4))
text2 = 'Extent:  ' + str(round(extent, 4))
text3 = 'Solidity: ' + str(round(solidity, 4))
cv2.putText(img1, text1, (10, 30), font, 0.5, (0, 255, 0), 1, cv2.LINE_AA, 0)
cv2.putText(img1, text2, (10, 60), font, 0.5, (0, 255, 0), 1, cv2.LINE_AA, 0)
cv2.putText(img1, text3, (10, 90), font, 0.5, (0, 255, 0), 1, cv2.LINE_AA, 0)
# 最⼩矩形拟合
img2 = py()
rect = cv2.minAreaRect(cnt)
box = cv2.boxPoints(rect)
box = np.int0(box)  # 获得矩形⾓点
area = urArea(box)
width = rect[1][0]
height = rect[1][1]
cv2.polylines(img2, [box], True, (0, 255, 0), 3)
text1 = 'Width: ' + str(int(width)) + ' Height: ' + str(int(height))
text2 = 'Rect Area: ' + str(area)
cv2.putText(img2, text1, (10, 30), font, 0.5, (0, 255, 0), 1, cv2.LINE_AA, 0)
cv2.putText(img2, text2, (10, 60), font, 0.5, (0, 255, 0), 1, cv2.LINE_AA, 0)
# 圆拟合
img3 = py()
img3 = py()
(x, y), radius = cv2.minEnclosingCircle(cnt)
center = (int(x), int(y))
radius = int(radius)
area = urArea(cnt)
equi_diameter = np.sqrt(4*area/np.pi)
cv2.circle(img3, center, radius, (0, 255, 0), 2)
text1 = 'Center: (' + str(int(x)) + ', ' + str(int(y)) + ') '
text2 = 'Diameter: ' + str(2*radius)
cv2.putText(img3, text1, (10, 30), font, 0.5, (0, 255, 0), 1, cv2.LINE_AA, 0)
cv2.putText(img3, text2, (10, 60), font, 0.5, (0, 255, 0), 1, cv2.LINE_AA, 0)
# 椭圆拟合
img4 = py()
ellipse = cv2.fitEllipse(cnt)
(x, y), (a, b), angle = cv2.fitEllipse(cnt)
cv2.ellipse(img4, ellipse, (0, 255, 0), 2)
text1 = 'x: ' + str(int(x)) + ' y: ' + str(int(y))
text2 = 'a:  ' + str(int(a)) + ' b:  ' + str(int(b))
text3 = 'angle: ' + str(round(angle, 2))
cv2.putText(img4, text1, (10, 30), font, 0.5, (0, 255, 0), 1, cv2.LINE_AA, 0)
cv2.putText(img4, text2, (10, 60), font, 0.5, (0, 255, 0), 1, cv2.LINE_AA, 0)
cv2.putText(img4, text3, (10, 90), font, 0.5, (0, 255, 0), 1, cv2.LINE_AA, 0)
# 直线拟合
img5 = py()
rows, cols = img.shape[:2]
[vx, vy, x, y] = cv2.fitLine(cnt, cv2.DIST_L2, 0, 0.01, 0.01)
slope = -float(vy)/float(vx)  # 直线斜率
lefty = int((x*slope) + y)
righty = int(((x-cols)*slope)+y)
cv2.line(img5, (cols-1, righty), (0, lefty), (0, 255, 0), 2)
text1 = 'Center: (' + str(int(x)) + ', ' + str(int(y)) + ') '
text2 = 'Slope: ' + str(round(slope, 2))
cv2.putText(img5, text1, (10, 30), font, 0.5, (0, 255, 0), 1, cv2.LINE_AA, 0)
cv2.putText(img5, text2, (10, 60), font, 0.5, (0, 255, 0), 1, cv2.LINE_AA, 0)
plt.subplot(231), plt.imshow(cv2.cvtColor(img0, cv2.COLOR_BGR2RGB)), plt.title('Pole') plt.subplot(232), plt.imshow(cv2.cvtColor(img1, cv2.COLOR_BGR2RGB)), plt.title('Rectangle') plt.subplot(233), plt.imshow(cv2.cvtColor(img2, cv2.COLOR_BGR2RGB)), plt.title('Rectangle') plt.subplot(234), plt.imshow(cv2.cvtColor(img3, cv2.COLOR_BGR2RGB)), plt.title('Circle') plt.subplot(235), plt.imshow(cv2.cvtColor(img4, cv2.COLOR_BGR2RGB)), plt.title('Ellipse') plt.subplot(236), plt.imshow(cv2.cvtColor(img5, cv2.COLOR_BGR2RGB)), plt.title('Line') plt.show()

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。