OpenCV 윤곽 검 측 실현 방법

윤곽 개술
4.567917.윤곽 은 연속 적 인 점(경계 연결)을 연결 하 는 곡선 으로 간단하게 볼 수 있 고 같은 색깔 이나 그 레이스 케 일 을 가진다.윤곽 은 형상 분석 과 물체 의 검 측 과 식별 에 매우 유용 하 다.  4.567917.더욱 정확 하기 위해 이치 화 이미 지 를 사용 해 야 한다.윤곽 을 찾기 전에 한도 값 화 처리 나 캐 니 경계 검 사 를 해 야 한다.  4.567917.윤곽 을 찾 는 함수 가 원본 그림 을 수정 합 니 다.윤곽 을 찾 은 후에 도 원본 그림 을 사용 하려 면 원본 그림 을 다른 변수 에 저장 해 야 합 니 다. 

OpenCV 에서 윤곽 을 찾 는 것 은 검은색 배경 에서 초 흰색 물체 와 같 고 찾 는 물 체 는 흰색 이 어야 하 며 배경 은 검은색 이 어야 한다.

윤곽 검사 의 역할:
1.그림 이나 영상 속 물체 의 윤곽 을 감지 할 수 있다.
2.다각형 경 계 를 계산 하고 모양 이 가 까 워 지고 관심 있 는 구역 을 계산한다.
먼저 비교적 간단 한 윤곽 검 사 를 보십시오.

import cv2
import numpy as np
#     200*200       
img = np.zeros((200, 200), dtype=np.uint8)
#   numpy                   
img[50:150, 50:150] = 255

#           
# threshold(src, thresh, maxval, type, dst=None)
# src     ，thresh       ，maxval type THRESH_BINARY  THRESH_BINARY_INV     
# type 5   ,   0： THRESH_BINARY ，         ， maxval，        ，    0
#               ，           
ret, thresh = cv2.threshold(img, 127, 255, 0)

# findContours()     ：    ，           
#          ，    img.copy()    
#             ，cv2.RETR_TREE               ，          ‘  '。
#             ，    cv2.RETE_EXTERNAL。              ，        
#          ：      ，     ，     
image, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

color = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
img = cv2.drawContours(color, contours, -1, (0, 255, 0), 2)
cv2.imshow("contours", color)
cv2.waitKey()
cv2.destroyAllWindows()

위 는 정사각형 의 윤곽 을 찾 았 습 니 다.아래 는 불규칙 한 다각형 윤곽 을 어떻게 찾 는 지 보 겠 습 니 다.

import cv2
import numpy as np

# pyrDown():brief Blurs an image and downsamples it.
#        ，       
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)
#        
image, contours, hier = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for c in contours:
  # find bounding box coordinates
  #             ，        
  #           (x,y)  ，           
  x, y, w, h = cv2.boundingRect(c)
  #      
  cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)

  # find minimum area
  #                
  #             ，         ，          ，         
  #            
  rect = cv2.minAreaRect(c)
  box = cv2.boxPoints(rect)
  box = np.int0(box)
  # draw contours
  #       
  # drawContours()       
  #             ，          
  #                  ：-1        ，     [box]      
  #    thickness(  ,    )        
  cv2.drawContours(img, [box], 0, (0, 0, 255), 3)

  # calculate center and radius of minimum enclosing circle
  #               
  # minEnclosingCircle()         ，             ，          
  (x, y), radius = cv2.minEnclosingCircle(c)
  # cast to integers
  center = (int(x), int(y))
  radius = int(radius)
  # draw the circle
  img = cv2.circle(img, center, radius, (255, 0, 0), 3)

#     
cv2.drawContours(img, contours, -1, (255, 0, 0), 1)
cv2.imshow("contours", img)

cv2.waitKey()
cv2.destroyAllWindows()

볼록 윤곽 과 Douglas-Peucker 알고리즘

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)
#              
black = cv2.cvtColor(np.zeros((img.shape[1], img.shape[0]), dtype=np.uint8), cv2.COLOR_GRAY2BGR)

image, contours, hier = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for cnt in contours:
  #            
  epsilon = 0.01 * cv2.arcLength(cnt,True)
  # approxPolyDP()           。     
  # cnt   ，epsilon ε――                ，     
  #         ，             
  approx = cv2.approxPolyDP(cnt,epsilon,True)
  # convexHull()          
  hull = cv2.convexHull(cnt)
  #      -  
  cv2.drawContours(black, [cnt], -1, (0, 255, 0), 2)
  #      -  
  cv2.drawContours(black, [approx], -1, (255, 0, 0), 2)
  #   -  
  cv2.drawContours(black, [hull], -1, (0, 0, 255), 2)

cv2.imshow("hull", black)
cv2.waitKey()
cv2.destroyAllWindows()

원래 도 의문 이 있 었 는데,정확 한 윤곽 이 생 겼 는데,왜 비슷 한 다각형 이 필요 합 니까?
책 에서 답 을 내 놓 았 는데 근사 다각형 은 하나의 직선 으로 구성 되 어 있어 후속 적 인 조작 과 처리 에 편리 하 다.
생각해 보 니 직선 으로 구 성 된 구역 은 항상 무한 곡률 의 곡선 으로 구 성 된 구역 보다 처리 하기 쉽다.
직선 과 원 검 측
직선 검 사 는 HoughLinesP 함 수 를 통 해 이 루어 질 수 있 으 며 HoughLinesP 는 표준 Hough 변환 이 최적화 되 어 사용 확률 Hough 변환 을 거 친다.

import cv2
import numpy as np

img = cv2.imread('lines.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray,50,120)
#       ，         
minLineLength = 20
#       ，                       
maxLineGap = 5
# HoughLinesP()      Canny                  
#      Canny   ，               ，     
#           
#   、             rho theta，   1 np.pi/180
#         ，            
#         
lines = cv2.HoughLinesP(edges,1,np.pi/180,20,minLineLength,maxLineGap)
for x1,y1,x2,y2 in lines[0]:
  cv2.line(img,(x1,y1),(x2,y2),(0,255,0),2)

cv2.imshow("edges", edges)
cv2.imshow("lines", img)
cv2.waitKey()
cv2.destroyAllWindows()

원 검 사 는 Hough Circles 함 수 를 통 해 검 측 할 수 있 습 니 다.

import cv2
import numpy as np

planets = cv2.imread('planet_glow.jpg')
gray_img = cv2.cvtColor(planets, cv2.COLOR_BGR2GRAY)
img = cv2.medianBlur(gray_img, 5)
cimg = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)

#        ，                     
circles = cv2.HoughCircles(img,cv2.HOUGH_GRADIENT,1,120,param1=100,param2=30,minRadius=0,maxRadius=0)

circles = np.uint16(np.around(circles))

for i in circles[0,:]:
  # draw the outer circle
  cv2.circle(planets,(i[0],i[1]),i[2],(0,255,0),2)
  # draw the center of the circle
  cv2.circle(planets,(i[0],i[1]),2,(0,0,255),3)

cv2.imwrite("planets_circles.jpg", planets)
cv2.imshow("HoughCirlces", planets)
cv2.waitKey()
cv2.destroyAllWindows()

이 방법 으로 검출 된 두 번 째 줄 의 첫 번 째 별의 원 검출 은 책 과 다르다.

이상 이 바로 본 고의 모든 내용 입 니 다.여러분 의 학습 에 도움 이 되 고 저 희 를 많이 응원 해 주 셨 으 면 좋 겠 습 니 다.