Python使用Opencv實現邊緣檢測以及輪廓檢測的實現
邊緣檢測
Canny邊緣檢測器是一種被廣泛使用的算法,並被認為是邊緣檢測最優的算法,該方法使用瞭比高斯差分算法更復雜的技巧,如多向灰度梯度和滯後閾值化。
Canny邊緣檢測器算法基本步驟:
- 平滑圖像:通過使用合適的模糊半徑執行高斯模糊來減少圖像內的噪聲。
- 計算圖像的梯度:這裡計算圖像的梯度,並將梯度分類為垂直、水平和斜對角。這一步的輸出用於在下一步中計算真正的邊緣。
- 非最大值抑制:利用上一步計算出來的梯度方向,檢測某一像素在梯度的正方向和負方向上是否是局部最大值,如果是,則抑制該像素(像素不屬於邊緣)。這是一種邊緣細化技術,用最急劇的變換選出邊緣點。
- 用滯後閾值化選擇邊緣:最後一步,檢查某一條邊緣是否明顯到足以作為最終輸出,最後去除所有不明顯的邊緣。
Opencv使用Canny邊緣檢測相對簡單,代碼如下:
import cv2 import numpy as np img = cv2.imread("hammer.jpg", 0) cv2.imwrite("canny.jpg", cv2.Canny(img, 200, 300)) cv2.imshow("canny", cv2.imread("canny.jpg")) cv2.waitKey() cv2.destroyAllWindows()
運行結果:
Canny函數的原型為
cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient ]]])
必要參數:
第一個參數是需要處理的原圖像,該圖像必須為單通道的灰度圖;
第二個參數是滯後閾值1;
第三個參數是滯後閾值2。
輪廓檢測
輪廓檢測主要由cv2.findContours函數實現的。
函數的原型為
cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]])
函數參數
第一個參數是尋找輪廓的圖像;
第二個參數表示輪廓的檢索模式,有四種(本文介紹的都是新的cv2接口):
- cv2.RETR_EXTERNAL表示隻檢測外輪廓 。
- cv2.RETR_LIST檢測的輪廓不建立等級關系。
- cv2.RETR_CCOMP建立兩個等級的輪廓,上面的一層為外邊界,裡面的一層為內孔的邊界信息。如果內孔內還有一個連通物體,這個物體的邊界也在頂層。
- cv2.RETR_TREE建立一個等級樹結構的輪廓。
第三個參數method為輪廓的逼近方法
- cv2.CHAIN_APPROX_NONE存儲所有的輪廓點,相鄰的兩個點的像素位置差不超過1,即max(abs(x1-x2),abs(y2-y1))==1。
- cv2.CHAIN_APPROX_SIMPLE壓縮水平方向,垂直方向,對角線方向的元素,隻保留該方向的終點坐標,例如一個矩形輪廓隻需4個點來保存輪廓信息。
- cv2.CHAIN_APPROX_TC89_L1和cv2.CHAIN_APPROX_TC89_KCOS都是使用teh-Chinl chain近似算法。
返回值
如:image, contours, hier = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
image:是原圖像
contours:圖像的輪廓,以列表的形式表示,每個元素都是圖像中的一個輪廓。
hier:相應輪廓之間的關系。這是一個ndarray,其中的元素個數和輪廓個數相同,每個輪廓contours[i]對應4個hierarchy元素hierarchy[i][0] ~hierarchy[i][3],分別表示後一個輪廓、前一個輪廓、父輪廓、內嵌輪廓的索引編號,如果沒有對應項,則該值為負數。
原圖:
示例一
import cv2 import numpy as np img = cv2.pyrDown(cv2.imread("hammer.jpg", cv2.IMREAD_UNCHANGED)) # threshold 函數對圖像進行二化值處理,由於處理後圖像對原圖像有所變化,因此img.copy()生成新的圖像,cv2.THRESH_BINARY是二化值 ret, thresh = cv2.threshold(cv2.cvtColor(img.copy(), cv2.COLOR_BGR2GRAY), 127, 255, cv2.THRESH_BINARY) # findContours函數查找圖像裡的圖形輪廓 # 函數參數thresh是圖像對象 # 層次類型,參數cv2.RETR_EXTERNAL是獲取最外層輪廓,cv2.RETR_TREE是獲取輪廓的整體結構 # 輪廓逼近方法 # 輸出的返回值,image是原圖像、contours是圖像的輪廓、hier是層次類型 image, contours, hier = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for c in contours: # 輪廓繪制方法一 # boundingRect函數計算邊框值,x,y是坐標值,w,h是矩形的寬和高 x, y, w, h = cv2.boundingRect(c) # 在img圖像畫出矩形,(x, y), (x + w, y + h)是矩形坐標,(0, 255, 0)設置通道顏色,2是設置線條粗度 cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2) # 輪廓繪制方法二 # 查找最小區域 rect = cv2.minAreaRect(c) # 計算最小面積矩形的坐標 box = cv2.boxPoints(rect) # 將坐標規范化為整數 box = np.int0(box) # 繪制矩形 cv2.drawContours(img, [box], 0, (0, 0, 255), 3) # 輪廓繪制方法三 # 圓心坐標和半徑的計算 (x, y), radius = cv2.minEnclosingCircle(c) # 規范化為整數 center = (int(x), int(y)) radius = int(radius) # 勾畫圓形區域 img = cv2.circle(img, center, radius, (0, 255, 0), 2) # # 輪廓繪制方法四 # 圍繞圖形勾畫藍色線條 cv2.drawContours(img, contours, -1, (255, 0, 0), 2) # 顯示圖像 cv2.imshow("contours", img) cv2.waitKey() cv2.destroyAllWindows()
運行結果如圖所示:
示例二
import cv2 import numpy as np img = cv2.pyrDown(cv2.imread("hammer.jpg", cv2.IMREAD_UNCHANGED)) ret, thresh = cv2.threshold(cv2.cvtColor(img.copy(), cv2.COLOR_BGR2GRAY) , 127, 255, cv2.THRESH_BINARY) # findContours函數查找圖像裡的圖形輪廓 # 函數參數thresh是圖像對象 # 層次類型,參數cv2.RETR_EXTERNAL是獲取最外層輪廓,cv2.RETR_TREE是獲取輪廓的整體結構 # 輪廓逼近方法 # 輸出的返回值,image是原圖像、contours是圖像的輪廓、hier是層次類型 image, contours, hier = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 創建新的圖像black black = cv2.cvtColor(np.zeros((img.shape[1], img.shape[0]), dtype=np.uint8), cv2.COLOR_GRAY2BGR) for cnt in contours: # 輪廓周長也被稱為弧長。可以使用函數 cv2.arcLength() 計算得到。這個函數的第二參數可以用來指定對象的形狀是閉合的(True) ,還是打開的(一條曲線) epsilon = 0.01 * cv2.arcLength(cnt, True) # 函數approxPolyDP來對指定的點集進行逼近,cnt是圖像輪廓,epsilon表示的是精度,越小精度越高,因為表示的意思是是原始曲線與近似曲線之間的最大距離。 # 第三個函數參數若為true,則說明近似曲線是閉合的,它的首位都是相連,反之,若為false,則斷開。 approx = cv2.approxPolyDP(cnt, epsilon, True) # convexHull檢查一個曲線的凸性缺陷並進行修正,參數cnt是圖像輪廓。 hull = cv2.convexHull(cnt) # 勾畫圖像原始的輪廓 cv2.drawContours(black, [cnt], -1, (0, 255, 0), 2) # 用多邊形勾畫輪廓區域 cv2.drawContours(black, [approx], -1, (255, 255, 0), 2) # 修正凸性缺陷的輪廓區域 cv2.drawContours(black, [hull], -1, (0, 0, 255), 2) # 顯示圖像 cv2.imshow("hull", black) cv2.waitKey() cv2.destroyAllWindows()
運行結果如圖所示:
參考資料:OpenCV 3計算機視覺 Python語言實現第二版
到此這篇關於Python使用Opencv實現邊緣檢測以及輪廓檢測的實現的文章就介紹到這瞭,更多相關Python 邊緣檢測內容請搜索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:
- 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實現輪廓擬合
- OpenCV圖像輪廓的繪制方法
- python opencv 畫外接矩形框的完整代碼