OpenCV-Python實現輪廓擬合
前言
什麼是輪廓？
輪廓可以簡單認為成將連續的點（連著邊界）連在一起的曲線，具有相同 的顏色或者灰度。輪廓在形狀分析和物體的檢測和識別中很有用。
- 為瞭更加準確，要使用二值化圖像。在尋找輪廓之前，要進行閾值化處理 或者 Canny 邊界檢測。
- 查找輪廓的函數會修改原始圖像。如果你在找到輪廓之後還想使用原始圖 像的話，你應該將原始圖像存儲到其他變量中。
- 在 OpenCV 中，查找輪廓就像在黑色背景中超白色物體。你應該記住， 要找的物體應該是白色而背景應該是黑色。
在計算輪廓時，可能並不需要實際的輪廓，而僅需要一個接近於輪廓的近似多邊形。比如矩形其實都是差不多的輪廓，都是長寬不相等且平行的四邊形，那麼隻要提供一個近似的輪廓，我們就可以區分形狀。
在OpenCV中，它給我們提供瞭cv2.boundingRect()函數來繪制輪廓的矩形邊界，其完整定義如下：
def boundingRect(array):
array：前面已經介紹過，array是一個灰度圖像，或者輪廓。
該函數返回3個值時，是矩形邊界的左上角頂點的坐標值以及矩形邊界的寬與高。返回4個值時，是矩形左上角頂點的x坐標，y坐標，以及寬高。
繪制橢圓的矩形邊界
現在，我們還是使用前面的一張橢圓圖形，如下圖所示：
得到圖形之後，我們使用上面的函數，計算該圖像輪廓的4值，代碼如下：
import cv2
img = cv2.imread("26_1.jpg")
# 轉換為灰度圖像
gray = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
x, y, w, h = cv2.boundingRect(contours[0])
print(x, y, w, h)
運行之後，控制臺輸出如下內容：
這裡我們得到瞭橢圓的矩形左上角坐標為（53，120），其寬高分別為272與84。
既然我們已經得到瞭其矩形邊界的坐標以及寬高，那麼我們可以開始繪制其矩形邊界。前面提取輪廓繪制用的是cv2.drawContours()函數，這裡同樣也是。
代碼如下：
import cv2
import numpy as np
img = cv2.imread("26_1.jpg")
cv2.imshow("img1",img)
# 轉換為灰度圖像
gray= cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
x, y, w, h = cv2.boundingRect(contours[0])
rect=np.array([[[x,y],[x+w,y],[x+w,y+h],[x,y+h]]])#1
cv2.drawContours(img,[rect],-1,(255,255,255),2)#1
cv2.imshow("img2",img)
cv2.waitKey()
cv2.destroyAllWindows()
運行之後，其橢圓的矩形邊界就被我們標記出來瞭，效果如下：
當然，這裡我們還可以使用另一個函數cv2.rectangle()來繪制矩形邊界，值需要更換上面代碼中註釋1的兩個代碼，具體如下所示：
cv2.rectangle(img, (x, y), (x + w, y + h), (255, 255,255),2)
最小包圍矩形框
在OpenCV中，它還提供瞭cv2.minAreaRect()來繪制最小包圍矩形框，其完整定義如下：
def minAreaRect(points):
其中points參數是輪廓，返回值為矩形特征信息，包括矩形的中心（x,y），寬高，以及旋轉角度。
特別註意，minAreaRect函數的返回值並不能直接代入drawContours()函數中。因此，我們必須將其轉換為符合要求的結構才能接著操作。通過cv2.boxPoint()函數就可以轉換為符合drawContours()的結構參數。
還是上面那張圖，不過我們用旋轉後的橢圓原圖，代碼如下：
import cv2
import numpy as np
img = cv2.imread("26_4.jpg")
cv2.imshow("img1",img)
# 轉換為灰度圖像
gray= cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
rect= cv2.minAreaRect(contours[0])
print(rect)
points=cv2.boxPoints(rect)
print(points)
points=np.int0(points)
print(points)
cv2.drawContours(img,[points],0,(255,255,255),2)
cv2.imshow("img2",img)
cv2.waitKey()
cv2.destroyAllWindows()
運行之後，圖像效果以及控制臺的輸出信息如下：
這裡我們可以清楚的看到minAreaRect()函數返回值的轉換過程。先通過boxPoints()函數轉換為drawContours()函數能接受的參數格式，然後通過取整轉換為具體的像素坐標值。
最小包圍圓形框
既然有最小包圍矩形框，那麼一定就有最小包圍圓形框。在OpenCV中，它給我們提供cv2.minEnclosingCircle()函數來繪制最小包圍圓形框。
函數的完整定義如下：
def minEnclosingCircle(points):
這裡的參數與上面的points參數一致，但是其返回值並不相同，畢竟繪制圓形肯定與繪制矩形的參數肯定不一樣。
它有兩個返回值，一個是圓形的中心坐標（x,y），一個是圓形的半徑r。下面，我們直接來繪制上面橢圓的最小包圍圓形框。具體代碼如下所示：
import cv2
import numpy as np
img = cv2.imread("26_4.jpg")
cv2.imshow("img1", img)
# 轉換為灰度圖像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
(x, y), r = cv2.minEnclosingCircle(contours[0])
center = (int(x), int(y))
r = int(r)
cv2.circle(img, center, r, (255, 255, 255), 2)
cv2.imshow("img2", img)
cv2.waitKey()
cv2.destroyAllWindows()
運行之後，效果如下所示：
最優擬合橢圓
在OpenCV中，它給我們提供瞭cv2.fitEllipse()函數繪制最優擬合橢圓。其完整的定義如下：
def fitEllipse(points):
其中points參數與前文一致，而它的返回值是RotatedRect類型，這是因為該函數返回的是擬合橢圓的外接矩形，包括矩形的質心，寬高，旋轉角度等信息，這些信息正好與橢圓的中心點，軸長度，旋轉角度一致。
下面，我們來使用該函數繪制最優擬合橢圓，這裡我們選取如上圖所示的一張矩形圖。具體代碼如下：
import cv2
img = cv2.imread("27.jpg")
cv2.imshow("img1", img)
# 轉換為灰度圖像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
ellipse = cv2.fitEllipse(contours[0])
cv2.ellipse(img, ellipse, (0, 0, 255), 3)
cv2.imshow("img2", img)
cv2.waitKey()
cv2.destroyAllWindows()
運行之後，效果如下所示：
最優擬合直線
在OpenCV中，它還提供瞭cv2.fitLine()函數繪制最優擬合直線，其完整定義如下：
def fitEllipse(points):
points：與前文一樣，是輪廓
distType：距離類型。擬合直線時，要使輸入點到擬合直線的距離之和最小。詳細參數定義參考開發文檔，這裡不在贅述。
param：距離參數，與所選距離類型有關。當該參數為0時，自動選擇最優值。
reps：用於表示擬合直線所需要的徑向精度，通常該值被設定為0.01
aeps：用於表示擬合直線所需要的角度精度，通常該值被設定為0.01
對於二維直線，返回值line為4維，前兩維代表擬合出的直線的方向，後兩位代表直線上的一點。
下面，我們來直接使用代碼繪制最優擬合直線。
import cv2
img = cv2.imread("27.jpg")
cv2.imshow("img1", img)
# 轉換為灰度圖像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
ellipse = cv2.fitEllipse(contours[0])
cv2.ellipse(img, ellipse, (0, 0, 255), 3)
cv2.imshow("img2", img)
cv2.waitKey()
cv2.destroyAllWindows()
運行之後，效果如下所示：
對於繪制直線來說，我們需要獲取繪制直線的起點以及終點，這裡lefty為起點，righty為終點。
最小外包三角形
在OpenCV，它還提供瞭cv2.minEnclosingTriangle()函數來繪制最小外包三角形。其完整定義如下：
def minEnclosingTriangle(points, triangle=None):
其中points與前文類似，其返回值triangle為外包三角形的三個頂點集。
下面，我們直接構建最小外包三角形，具體代碼如下：
import cv2
img = cv2.imread("27.jpg")
cv2.imshow("img1", img)
# 轉換為灰度圖像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
area, trg1 = cv2.minEnclosingTriangle(contours[0])
print(area)
print(trg1)
for i in range(0, 3):
cv2.line(img, tuple(trg1[i][0]), tuple(trg1[(i + 1) % 3][0]), (0, 255, 0), 2)
cv2.imshow("img2", img)
cv2.waitKey()
cv2.destroyAllWindows()
運行之後，效果如下：
需要註意的是，在cv2中沒有直接繪制三角形的函數，所以我們通過繪制三條直線，繪制三角形，minEnclosingTriangle()函數第一個返回值為三角形面積，第二返回值是三點坐標。
逼近多邊形
在OpenCV中，它還提供瞭cv2.approxPolyDP()函數構建指定邊數的逼近多邊形。其完整定義如下：
def approxPolyDP(curve, epsilon, closed, approxCurve=None):
curve：輪廓
epsilon：精度，原始輪廓的邊界點與逼近多邊形邊界之間的最大距離
closed：佈爾類型。為True時，表示逼近多邊形是封閉的。為False時，biao表示畢竟多邊形是不封閉的。
approxCurve為該函數的返回值，是逼近多邊形的點集。。
下面，我們來實現各類逼近多邊形的繪制，代碼如下：
import cv2
img = cv2.imread("24.jpg")
list=[0.1,0.09,0.055,0.05,0.02]
cv2.imshow("img", img)
# 轉換為灰度圖像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
for i, val in enumerate(list):
epsilon = val * cv2.arcLength(contours[0], True)
approx = cv2.approxPolyDP(contours[0], epsilon, True)
cv2.drawContours(img, [approx], 0, (0, 255, 0), 2)
cv2.imshow("img"+str(i), img)
cv2.waitKey()
cv2.destroyAllWindows()
運行之後，效果如下：
cv2.approxPolyDP()函數采用的是Douglas-Peucker算法，該算法的原理是首先從輪廓中找到距離最遠的兩個點，並將兩個點相連。接下來，在輪廓上找到一個離當前直線最遠的點，並將該點與原有直線連成一個封閉的多邊形，此時得到一個三角形。以此類推四邊形，五邊形，六邊形等。當前多邊形的距離都小於函數cv2.approxPolyDP()的參數epsilon的值時，就停止迭代。
到此這篇關於OpenCV-Python實現輪廓擬合的文章就介紹到這瞭,更多相關OpenCV 輪廓擬合內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！
推薦閱讀：
- OpenCV圖像輪廓的繪制方法
- Python OpenCV 基於圖像邊緣提取的輪廓發現函數
- python OpenCV圖像金字塔
- OpenCV-Python實現輪廓的特征值
- Python使用Opencv實現邊緣檢測以及輪廓檢測的實現
最優擬合橢圓跟最優擬合直線的code重複了