Python基于opencv的简单图像轮廓形状识别(全网最简单最少代码)
作者:猴猴猴子 时间:2023-06-23 06:59:14
可以直接跳到最后整体代码看一看是不是很少的代码!!!!
思路:
1. 数据的整合
2. 图片的灰度转化
3. 图片的二值转化
4. 图片的轮廓识别
5. 得到图片的顶点数
6. 依据顶点数判断图像形状
一、原数据的展示
图片文件共36个文件夹,每个文件夹有100张图片,共3600张图片。
每一个文件夹里都有形同此类的图形
二、数据的整合
对于多个文件夹,分析起来很不方便,所有决定将其都放在一个文件夹下进行分析,在python中具体实现如下:
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')#循环读取每个子文件夹
for i in range(len(a)):
b=os.listdir('C:\\Users\\dell\\Desktop\\OpenCVProofSet\\'+a[i])#读取每个子文件下的图片文件
for j in range(len(b)):
c=Image.open('C:\\Users\\dell\\Desktop\\OpenCVProofSet\\'+a[i]+'\\'+b[j])#循环读取每个图片文件
c.save('C:\\Users\\dell\\Desktop\\cleardata\\'+str(i)+'_'+str(j)+'.png')#以文件夹序号和图片序号为名保存在一个兴建文件夹下
结果如下:
三、图片轮廓的确定
3.1图片的灰度处理
以下以一张图片为例子作为说明
对于灰度的处理,选择使用opencv的cv2.cvtColor函数,代码示例如下:
d=os.listdir('C:\\Users\\dell\\Desktop\\cleardata\\')#文件路径
e=cv2.imread('C:\\Users\\dell\\Desktop\\cleardata\\'+d[5])#以矩阵的形式图片读入
plt.imshow(e)#画出示例图
进行灰度的转化:
g=cv2.cvtColor(e,cv2.COLOR_BGR2GRAY)##灰度转化
3.2图片的二值转化
对于图片的二值转化这里选用cv2.threshold函数,代码示例如下:
r,b=cv2.threshold(g,0,255,cv2.THRESH_OTSU)#二值转化,大于0的像素统一设置为255,小于等于0的统一设置为0
上述代码的第一个参数为灰度图形,第二个参数是阈值,即大于0的像素点转化为255,然后选用的THRESH_OTSU方法,具体说明如下:
通常情况,我们一般不知道设定怎样的阈值thresh才能得到比较好的二值化效果,只能去试。如对于一幅双峰图像(理解为图像直方图中存在两个峰),我们指定的阈值应尽量在两个峰之间的峰谷。这时,就可以用第四个参数THRESH_OTSU,它对一幅双峰图像自动根据其直方图计算出合适的阈值(对于非双峰图,这种方法得到的结果可能不理想)。
对于双峰图,我们需要多传入一个参数cv2.THRESH_OTSU,并且把阈值thresh设为0,算法会找到最优阈值,并作为第一个返回值ret返回。
其中会返回两个值,第二个值就是二值化后的图形矩阵。
3.3轮廓的寻找
在轮廓的寻找方面,采用cv2.findContours方式。代码示例如下:
cr,t=cv2.findContours(b, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)##找到边界,第一个参数是二值图像,第二个参数是获取轮廓的方式,
#第三个参数定义轮廓的近似方式
上述函数里的参数中,第一个参数是二值化后的矩阵,第二个参数是获取轮廓的方式,第三个参数是定义轮廓的近似方式。后面两个参数的具体解释如下:
上面得到的结果中第一个结果是轮廓点的集合。
画出边界轮廓,运用函数是cv2.drawContours,代码示例如下:
plt.imshow(cv2.drawContours(e,cr,-1,50))#画出边界,可以看出有坐标轴和五角星两个边界,第一个参数是原图,第二个参数是边界,
#第三个参数代表画出所有边界,第四个参数是线的粗细
上述函数中第一个参数是原始图形,第二个参数是得到的轮廓点的集合,第三个参数是代表画出所有轮廓点,第四个参数是线的粗细。
得到结果如下:
可以发现,坐标轴的轮廓和五角星的轮廓都被画了出来。
3.4轮廓的逼近,得到顶点
在得到轮廓点后,需要得到轮廓的顶点,通过顶点得到具体什么图形,在轮廓逼近中用到两个函数:cv2.arcLength,cv2.approxPolyDP,代码示例如下:
ep = 0.01*cv2.arcLength(cr[1], True)#五角星轮廓的周长cr[0]是坐标轴的周长,然后将其缩小,作为下一步的阈值
ap = cv2.approxPolyDP(cr[1], ep, True)#轮廓的转折点的近似点
cv2.arcLength得到的是轮廓点形成的曲线围成的图形的周长,cr[1]代表里层五角星的轮廓点,因为cr里有两个轮廓集合,一个是外层的坐标轴的轮廓点集合,一个是里层五角星的轮廓点集合。True代表闭合的曲线。将其取1%作为下一个函数的阈值。
cv2.approxPolyDP将其得到的轮廓点进行筛选(按设定的阈值与其真实的线进行比较),其筛选的标准就是上一个函数得到的1%的周长,大于这个值的点舍去,小于这个值的点保留,True依然代表闭合曲线。
通过以上的步骤就可以保留一些点,而这些点就是得到顶点(这点需要读者去想一想,为什么以1%周长为阈值得到的点就是顶点,作者认为是两条线的拐点相对于来说是里真实线最近的点)
顶点数:
len(ap)#可以看见五角星有10个点
四、依据顶点判断形状
根据得到的定点数就可判断出形状了,三个顶点就是三角形,四个就是矩形,十个就是五角星,十个以上就是圆形了;上述的完整代码如下:
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='圆'
plt.imsave('C:\\Users\\dell\\Desktop\\形状\\'+st+str(e[100][100])+str(i)+'.jpg',e)#取图像中间的点的RGB作为颜色代表
这里我还取了图形的中点,希望得到图片的颜色,其得到的是RGB值,通过RGB值就可以得到颜色。
最终结果如下:
来源:https://blog.csdn.net/WjoKe/article/details/113205908
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
python用opencv 图像傅里叶变换
![](https://img.aspxhome.com/file/2023/1/92471_0s.png)
面包屑设计
![](https://img.aspxhome.com/file/UploadPic/20097/7/ryanzhong_bradcrumb_01-73s.jpg)
python编写softmax函数、交叉熵函数实例
![](https://img.aspxhome.com/file/2023/6/64606_0s.jpg)
pycharm中import导入包呈现灰色的问题及解决
![](https://img.aspxhome.com/file/2023/4/68304_0s.png)
Python中Dataframe元素为不定长list时的拆分分组
![](https://img.aspxhome.com/file/2023/8/63558_0s.png)
Python数据可视化之Seaborn的使用详解
![](https://img.aspxhome.com/file/2023/2/89292_0s.png)
PHP依赖注入原理与用法分析
如何将anaconda安装配置的mmdetection环境离线拷贝到另一台电脑
![](https://img.aspxhome.com/file/2023/2/82922_0s.png)
Python multiprocessing 进程间通信方式实现
![](https://img.aspxhome.com/file/2023/4/135094_0s.png)
Python使用爬虫爬取静态网页图片的方法详解
![](https://img.aspxhome.com/file/2023/6/125186_0s.png)
SQL进行排序、分组、统计的10个新技巧
Python类class参数self原理解析
![](https://img.aspxhome.com/file/2023/7/112487_0s.png)
浅谈tensorflow中dataset.shuffle和dataset.batch dataset.repeat注意点
Python一阶马尔科夫链生成随机DNA序列实现示例
![](https://img.aspxhome.com/file/2023/5/112095_0s.png)
Jsp生成页面验证码的方法[附代码]
用vscode开发python的步骤详解
![](https://img.aspxhome.com/file/2023/8/111948_0s.png)
python利用标准库如何获取本地IP示例详解
Python实现PS图像调整颜色梯度效果示例
![](https://img.aspxhome.com/file/2023/8/123468_0s.jpg)
ASP开发中可能遇到的错误信息中文说明大全(整理收集)第1/2页
实用的Go语言开发工具及使用示例
![](https://img.aspxhome.com/file/2023/7/134097_0s.png)