Python基於opencv的簡單圖像輪廓形狀識別(全網最簡單最少代碼)

可以直接跳到最後整體代碼看一看是不是很少的代碼!!!!

思路:
1. 數據的整合
2. 圖片的灰度轉化
3. 圖片的二值轉化
4. 圖片的輪廓識別
5. 得到圖片的頂點數
6. 依據頂點數判斷圖像形狀

一、原數據的展示

在這裡插入圖片描述

圖片文件共36個文件夾,每個文件夾有100張圖片,共3600張圖片。

在這裡插入圖片描述

每一個文件夾裡都有形同此類的圖形

二、數據的整合

對於多個文件夾,分析起來很不方便,所有決定將其都放在一個文件夾下進行分析,在python中具體實現如下:
本次需要的包

import cv2
import os
from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
a=os.listdir('C:\\Users\\dell\\Desktop\\OpenCVProofSet')#循環讀取每個子文件夾
for i in range(len(a)):
 	b=os.listdir('C:\\Users\\dell\\Desktop\\OpenCVProofSet\\'+a[i])#讀取每個子文件下的圖片文件
 for j in range(len(b)):
  c=Image.open('C:\\Users\\dell\\Desktop\\OpenCVProofSet\\'+a[i]+'\\'+b[j])#循環讀取每個圖片文件
  c.save('C:\\Users\\dell\\Desktop\\cleardata\\'+str(i)+'_'+str(j)+'.png')#以文件夾序號和圖片序號為名保存在一個興建文件夾下

結果如下:

在這裡插入圖片描述

三、圖片輪廓的確定

3.1圖片的灰度處理

以下以一張圖片為例子作為說明
對於灰度的處理,選擇使用opencv的cv2.cvtColor函數,代碼示例如下:

d=os.listdir('C:\\Users\\dell\\Desktop\\cleardata\\')#文件路徑
e=cv2.imread('C:\\Users\\dell\\Desktop\\cleardata\\'+d[5])#以矩陣的形式圖片讀入
plt.imshow(e)#畫出示例圖

在這裡插入圖片描述
進行灰度的轉化:

g=cv2.cvtColor(e,cv2.COLOR_BGR2GRAY)##灰度轉化

3.2圖片的二值轉化

對於圖片的二值轉化這裡選用cv2.threshold函數,代碼示例如下:

r,b=cv2.threshold(g,0,255,cv2.THRESH_OTSU)#二值轉化,大於0的像素統一設置為255,小於等於0的統一設置為0

上述代碼的第一個參數為灰度圖形,第二個參數是閾值,即大於0的像素點轉化為255,然後選用的THRESH_OTSU方法,具體說明如下:
通常情況,我們一般不知道設定怎樣的閾值thresh才能得到比較好的二值化效果,隻能去試。如對於一幅雙峰圖像(理解為圖像直方圖中存在兩個峰),我們指定的閾值應盡量在兩個峰之間的峰谷。這時,就可以用第四個參數THRESH_OTSU,它對一幅雙峰圖像自動根據其直方圖計算出合適的閾值(對於非雙峰圖,這種方法得到的結果可能不理想)。
對於雙峰圖,我們需要多傳入一個參數cv2.THRESH_OTSU,並且把閾值thresh設為0,算法會找到最優閾值,並作為第一個返回值ret返回。

其中會返回兩個值,第二個值就是二值化後的圖形矩陣。

3.3輪廓的尋找

在輪廓的尋找方面,采用cv2.findContours方式。代碼示例如下:

cr,t=cv2.findContours(b, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)##找到邊界,第一個參數是二值圖像,第二個參數是獲取輪廓的方式,
#第三個參數定義輪廓的近似方式

上述函數裡的參數中,第一個參數是二值化後的矩陣,第二個參數是獲取輪廓的方式,第三個參數是定義輪廓的近似方式。後面兩個參數的具體解釋如下:

在這裡插入圖片描述

上面得到的結果中第一個結果是輪廓點的集合。

畫出邊界輪廓,運用函數是cv2.drawContours,代碼示例如下:

plt.imshow(cv2.drawContours(e,cr,-1,50))#畫出邊界,可以看出有坐標軸和五角星兩個邊界,第一個參數是原圖,第二個參數是邊界,
#第三個參數代表畫出所有邊界,第四個參數是線的粗細

上述函數中第一個參數是原始圖形,第二個參數是得到的輪廓點的集合,第三個參數是代表畫出所有輪廓點,第四個參數是線的粗細。

得到結果如下:

在這裡插入圖片描述

可以發現,坐標軸的輪廓和五角星的輪廓都被畫瞭出來。

3.4輪廓的逼近,得到頂點

在得到輪廓點後,需要得到輪廓的頂點,通過頂點得到具體什麼圖形,在輪廓逼近中用到兩個函數:cv2.arcLength,cv2.approxPolyDP,代碼示例如下:

ep = 0.01*cv2.arcLength(cr[1], True)#五角星輪廓的周長cr[0]是坐標軸的周長,然後將其縮小,作為下一步的閾值
ap = cv2.approxPolyDP(cr[1], ep, True)#輪廓的轉折點的近似點

cv2.arcLength得到的是輪廓點形成的曲線圍成的圖形的周長,cr[1]代表裡層五角星的輪廓點,因為cr裡有兩個輪廓集合,一個是外層的坐標軸的輪廓點集合,一個是裡層五角星的輪廓點集合。True代表閉合的曲線。將其取1%作為下一個函數的閾值。

cv2.approxPolyDP將其得到的輪廓點進行篩選(按設定的閾值與其真實的線進行比較),其篩選的標準就是上一個函數得到的1%的周長,大於這個值的點舍去,小於這個值的點保留,True依然代表閉合曲線。

在這裡插入圖片描述

通過以上的步驟就可以保留一些點,而這些點就是得到頂點(這點需要讀者去想一想,為什麼以1%周長為閾值得到的點就是頂點,作者認為是兩條線的拐點相對於來說是裡真實線最近的點)
頂點數:

len(ap)#可以看見五角星有10個點

在這裡插入圖片描述

四、依據頂點判斷形狀

根據得到的定點數就可判斷出形狀瞭,三個頂點就是三角形,四個就是矩形,十個就是五角星,十個以上就是圓形瞭;上述的完整代碼如下:

import cv2
import os
from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
d=os.listdir('C:\\Users\\dell\\Desktop\\cleardata\\')
for i in range(len(d)):
 e=cv2.imread('C:\\Users\\dell\\Desktop\\cleardata\\'+d[i])
 g=cv2.cvtColor(e,cv2.COLOR_BGR2GRAY)
 r,b=cv2.threshold(g,0,255,cv2.THRESH_OTSU)
 cr,t=cv2.findContours(b, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
 ep = 0.01*cv2.arcLength(cr[1], True)
 ap = cv2.approxPolyDP(cr[1], ep, True)
 co=len(ap)
 if co==3:
  st='三角形'
 elif co==4:
  st='矩形'
 elif co==10:
  st='五角星'
 else:
  st='圓'  
 plt.imsave('C:\\Users\\dell\\Desktop\\形狀\\'+st+str(e[100][100])+str(i)+'.jpg',e)#取圖像中間的點的RGB作為顏色代表

這裡我還取瞭圖形的中點,希望得到圖片的顏色,其得到的是RGB值,通過RGB值就可以得到顏色。
最終結果如下:

在這裡插入圖片描述

在這裡插入圖片描述

在這裡插入圖片描述

在這裡插入圖片描述

到此這篇關於基於opencv的簡單圖像輪廓形狀識別(全網最簡單最少代碼)的文章就介紹到這瞭,更多相關opencv 圖像輪廓形狀識別內容請搜索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!