|
点击上方蓝字关注我们
微信公众号：OpenCV学堂
关注获取更多计算机视觉与深度学习知识
轮廓属性
二值图像分析最常见的一个主要方式就是轮廓发现与轮廓分析，其中轮廓发现的目的是为轮廓分析做准备，经过轮廓分析我们可以得到轮廓各种有用的属性信息、常见的如下：
轮廓面积
轮廓周长
轮廓几何矩
轮廓的最小外接矩形
轮廓的最大外接矩形
轮廓的最小外接圆
轮廓的最小外接三角形
轮廓拟合(支持拟合直线、椭圆、圆)
轮廓的凸包
轮廓层次信息提取
多边形逼近
计算欧拉数
函数介绍
OpenCV中提供大量轮廓分析函数，通过这些函数我们可以方便快捷的得到轮廓的各种有用属性信息、高效完成各种二值图像分析需求，下面是我总结的一些常用的函数列表与说明。
OpenCV中轮廓发现函数如下:
void cv::findContours(
InputArray image,
OutputArrayOfArrays contours,
OutputArray hierarchy,
int mode,
int method,
Point offset = Point()
)
参数解释如下：
image: 输入图像、八位单通道的，背景为黑色
contours: 得到的轮廓图像
hierarchy: 层次图像，根据需要提取轮廓层次信息
mode: 决定提取到层次信息内容，是多层还是单层
method: 每个轮廓的编码信息
offset: 表示轮廓偏移，默认为0
轮廓分析相关的常用函数
// 计算轮廓面积
double cv::contourArea(
InputArray contour,
bool oriented = false
)
// 计算轮廓周长
double cv::arcLength(
InputArray curve,
bool closed
)
// 计算几何矩与中心距
Moments cv::moments(
InputArray array,
bool binaryImage = false
)
// 计算最小外接矩形
RotatedRect cv::minAreaRect(
InputArray points
)
// 计算最大外接矩形
Rect cv::boundingRect(
InputArray array
)
// 计算最小外接圆/拟合圆
void cv::minEnclosingCircle(
InputArray points,
Point2f & center,
float & radius
)
// 计算最小外接三角形/拟合三角形
double cv::minEnclosingTriangle(
InputArray points,
OutputArray triangle
)
// 拟合直线
void cv::fitLine(
InputArray points,
OutputArray line,
int distType,
double param,
double reps,
double aeps
)
// 拟合椭圆
RotatedRect cv::fitEllipse(
InputArray points
)
// 计算凸包
void cv::convexHull(
InputArray points,
OutputArray hull,
bool clockwise = false,
bool returnPoints = true
)
// 多边形逼近-逼近真实形状
void cv::approxPolyDP(
InputArray curve,
OutputArray approxCurve,
double epsilon,
bool closed
)
灵活使用上述轮廓属性信息，可以实现对二值图像的几何形状判别、测量、面积过滤、获取每个对象的几何属性包括面积、周长、编码点、形状、层次/位置信息、欧拉数、中心位置、倾斜角度。
综合运用代码演示
2020年 以前我分享过一些综合使用的例子，列表如下(都看过你就赢了)：
二值图像分析案例精选
OpenCV二值图像案例分析精选 | 第二期
OpenCV轮廓层次分析实现欧拉数计算
OpenCV寻找复杂背景下物体的轮廓
如何识别出轮廓准确的长和宽
OpenCV中几何形状识别与测量
OpenCV中BLOB特征提取与几何形状分类
OpenCV直线拟合检测
OpenCV中实现曲线与圆拟合
这里再分享一个硬币计数的例子！
原图如下：
代码如下：
// 加载图像
Mat img = imread("D:/CoinsB.png");
imshow("Original Image", img);
// 阈值化操作
Mat gray, binary;
cvtColor(img, gray, COLOR_BGR2GRAY);
float t = threshold(gray, binary, 0, 255, THRESH_BINARY|THRESH_OTSU);
imshow("binary", binary);
imwrite("D:/binary1.png", binary);
// 形态学操作
Mat se = getStructuringElement(MORPH_RECT, Size(3, 3));
morphologyEx(binary, binary, MORPH_OPEN, se, Point(-1, -1));
// 轮廓发现
vector<Vec4i> hireachy;
vector<vector<Point>> contours;
bitwise_not(binary, binary);
findContours(binary, contours, hireachy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point());
Mat result = img.clone();
Point2f center;
float radius;
// 轮廓分析
for (size_t t = 0; t < contours.size(); t++) {
double area = contourArea(contours[t]);
if (area < 1000) {
continue;
}
RotatedRect rrt = fitEllipse(contours[t]);
radius = min(rrt.size.width, rrt.size.height)/2.0;
circle(result, rrt.center, radius, Scalar(0, 0, 255), 4, 8, 0);
Moments mm = moments(contours[t]);
double cx = mm.m10 / mm.m00;
double cy = mm.m01 / mm.m00;
circle(result, Point(cx, cy), 2, Scalar(255, 0, 0), 2, 8, 0);
}
// 显示结果
imshow("result", result);
imwrite("D:/drawing.png", result);
waitKey(0);
最终效果如下：
2020年少写废话，觉得不是废话就点赞，做好自己该做的事情就是对自己最好的交待！
读书欲精不欲博
用心欲专不欲杂
推荐阅读
OpenCV4系统化学习路线图-视频版本！
OpenCV单应性矩阵发现参数估算方法详解
单应性矩阵应用-基于特征的图像拼接
OpenCV图像拼接改进算法之完美拼接
|
