Opencv學習3.形狀識別模塊

Shape Detection

輪廓檢測

contours, hierarchy = cv2.findContours(image,mode,method)

• 第一個引數輸入影像，
• 第二個引數表示輪廓的檢索模式，有四種：
  1.cv2.RETR_EXTERNAL表示只檢測外輪廓
  2.cv2.RETR_LIST檢測的輪廓不建立等級關系
  3.cv2.RETR_CCOMP建立兩個等級的輪廓，上面的一層為外邊界，里面的一層為內孔的邊界資訊，如果內孔內還有一個連通物體，這個物體的邊界也在頂層，
  4.cv2.RETR_TREE建立一個等級樹結構的輪廓，
• cv2.CHAIN_APPROX_NONE存盤所有的輪廓點，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，只保留該方向的終點坐標，例如一個矩形輪廓只需4個點來保存輪廓資訊
  cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似演算法

計算輪廓面積

contourArea(contour,oriented = False)

此函式利用格林公式計算輪廓的面積，對于具有自交點的輪廓，該函式幾乎肯定會給出錯誤的結果，

1.contour:輸入二維的向量，存盤為vector(C++)或Mat，
2.oriented:有方向的區域標志，

• true:此函式依賴輪廓的方向（順時針或逆時針）回傳一個已標記區域的值，
• false:默認值，意味著回傳不帶方向的絕對值，

計算輪廓長度

cv2.arcLength(InputArray curve, bool closed)

• curve，輸入的二維點集（輪廓頂點），可以是 vector 或 Mat 型別，
• closed，用于指示曲線是否封閉，

多邊擬合函式

主要功能是把一個連續光滑曲線折線化，對影像輪廓點進行多邊形擬合

cv2.approxPolyDP(InputArray curve, OutputArray approxCurve, double epsilon, bool closed)

• InputArray curve:一般是由影像的輪廓點組成的點
• OutputArray approxCurve：表示輸出的多邊形點集
• double epsilon：主要表示輸出的精度，就是另個輪廓點之間最大距離數，5,6,7，，8…
• bool closed：表示輸出的多邊形是否封閉

獲得最小矩形邊框

x,y,w,h = cv2.boundingRect(img)

def geContours(img):
    countors,Hierarchy = cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)
    for cnt in countors:
        area = cv2.contourArea(cnt)
        print(area)
        if area>500:
            cv2.drawContours(imgContour,cnt,-1,(255,0,0),3)
            peri = cv2.arcLength(cnt,True)
            print(peri)
            approx = cv2.approxPolyDP(cnt,0.02*peri,True)
            print(len(approx))
            objCor = len(approx)
            x,y,w,h = cv2.boundingRect(approx)
            
            #判斷形狀
            if objCor == 3: objType = "Tri"
            elif objCor == 4:
                aspRatio = w/float(h)
                if aspRatio >0.95 and aspRatio <1.05: objType= "Square"
                else:objType="Rectangle"
            elif objCor>4: objType= "circles"
            else:objType="None"

            cv2.rectangle(imgContour,(x,y),(x+w,y+h),(0,255,0),2)
            cv2.putText(imgContour,objType,
                    (x+(w//2)-10,y+(h//2)-10),cv2.FONT_HERSHEY_COMPLEX,0.7,
                     (0,0,0),2)

module:

import cv2
import numpy as np

def stackImages(scale,imgArray):
'''
影像疊加模塊
'''
    rows = len(imgArray)
    cols = len(imgArray[0])
    # & 輸出一個 rows * cols 的矩陣（imgArray）
    print(rows,cols)
    # & 判斷imgArray[0] 是不是一個list
    rowsAvailable = isinstance(imgArray[0], list)
    # & imgArray[][] 是什么意思呢？
    # & imgArray[0][0]就是指[0,0]的那個圖片（我們把圖片集分為二維矩陣，第一行、第一列的那個就是第一個圖片）
    # & 而shape[1]就是width，shape[0]是height，shape[2]是
    width = imgArray[0][0].shape[1]
    height = imgArray[0][0].shape[0]

    if rowsAvailable:
        for x in range (0, rows):
            for y in range(0, cols):
                # & 判斷影像與后面那個影像的形狀是否一致，若一致則進行等比例放縮；否則，先resize為一致，后進行放縮
                if imgArray[x][y].shape[:2] == imgArray[0][0].shape [:2]:
                    imgArray[x][y] = cv2.resize(imgArray[x][y], (0, 0), None, scale, scale)
                else:
                    imgArray[x][y] = cv2.resize(imgArray[x][y], (imgArray[0][0].shape[1], imgArray[0][0].shape[0]), None, scale, scale)
                # & 如果是灰度圖，則變成RGB影像（為了弄成一樣的影像）
                if len(imgArray[x][y].shape) == 2: imgArray[x][y]= cv2.cvtColor( imgArray[x][y], cv2.COLOR_GRAY2BGR)
        # & 設定零矩陣
        imageBlank = np.zeros((height, width, 3), np.uint8)
        hor = [imageBlank]*rows
        hor_con = [imageBlank]*rows
        for x in range(0, rows):
            hor[x] = np.hstack(imgArray[x])
        ver = np.vstack(hor)
    # & 如果不是一組照片，則僅僅進行放縮 or 灰度轉化為RGB
    else:
        for x in range(0, rows):
            if imgArray[x].shape[:2] == imgArray[0].shape[:2]:
                imgArray[x] = cv2.resize(imgArray[x], (0, 0), None, scale, scale)
            else:
                imgArray[x] = cv2.resize(imgArray[x], (imgArray[0].shape[1], imgArray[0].shape[0]), None,scale, scale)
            if len(imgArray[x].shape) == 2: imgArray[x] = cv2.cvtColor(imgArray[x], cv2.COLOR_GRAY2BGR)
        hor= np.hstack(imgArray)
        ver = hor
    return ver

def geContours(img):
    countors,Hierarchy = cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)
    for cnt in countors:
        area = cv2.contourArea(cnt)
        print(area)
        if area>500:
            cv2.drawContours(imgContour,cnt,-1,(255,0,0),3)
            peri = cv2.arcLength(cnt,True)
            print(peri)
            approx = cv2.approxPolyDP(cnt,0.02*peri,True)
            print(len(approx))
            objCor = len(approx)
            x,y,w,h = cv2.boundingRect(approx)
            
            if objCor == 3: objType = "Tri"
            elif objCor == 4:
                aspRatio = w/float(h)
                if aspRatio >0.95 and aspRatio <1.05: objType= "Square"
                else:objType="Rectangle"
            elif objCor>4: objType= "circles"
            else:objType="None"

            cv2.rectangle(imgContour,(x,y),(x+w,y+h),(0,255,0),2)
            cv2.putText(imgContour,objType,
                    (x+(w//2)-10,y+(h//2)-10),cv2.FONT_HERSHEY_COMPLEX,0.7,
                     (0,0,0),2)


path = 'python/OpenCVTutorial/resources/shapes.png'
img = cv2.imread(path)
imgContour = img.copy()
imgGray = cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
imgBlur = cv2.GaussianBlur(imgGray,(7,7),1)
imgCanny = cv2.Canny(imgBlur,50,50)
geContours(imgCanny)


imgBlank = np.zeros_like(img)
imgStack = stackImages(0.4,([img,imgGray,imgBlur],
                           [imgCanny,imgContour,imgBlank]))


cv2.imshow("Stack",imgStack)
cv2.waitKey(0)

可以看到最后一個圖片識別了形狀