opencv python 識別圖形輪廓

目的：

1. 識別并框選出圖片中紅色的幾何圖形，分辨出各是什么圖形（不允許用滑鼠 操作），

2. 將紅色圖形中心連線，計算連線圍成圖形的面積，

代碼如下：

import cv2
import sys
import cmath
import numpy
#讀取影像
areas = list()
x= list()
y = list()
img1 = cv2.imread("E:/a/qw.jpg")
(B,G,R) = cv2.split(img1)
retal , img2 = cv2.threshold(R,0,255,cv2.THRESH_OTSU)
contours, hierarachy = cv2.findContours(img2,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
for i in range(len(contours)):
    #cv2.drawContours(img1,contours,i,(0,0,255),10)
    area = cv2.contourArea(contours[i],False)
    areas.append(area)
areas.sort(reverse=True)
for i in range(len(contours)):
    area = cv2.contourArea(contours[i],False)
    if area > areas[5]:
        if area < areas[1]:
            print(i)
            epsilon = 0.02 * cv2.arcLength(contours[i], True)
            approx = cv2.approxPolyDP(contours[i],epsilon,True)
            cv2.polylines(img1,[approx],True,(0,0,255),10)
            M = cv2.moments(contours[i])
            cx = int(M["m10"]/M["m00"])
            cy = int(M["m01"]/M["m00"])
            x.append(cx)
            y.append(cy)
            if len(approx) > 4:
                print("圓形")
                text = "y"
            elif len(approx) == 3:
                print("三角形")
                text = "s"
            elif len(approx) == 4:
                print("矩形")
                text = "j"
            cv2.putText(img1,text,(cx,cy),cv2.FONT_HERSHEY_PLAIN,10,(0, 255, 0),5)
S = (1/2)*(x[0]*y[1]-x[0]*y[2]+x[1]*y[2]-x[1]*y[0]+x[2]*y[0]-x[1]*y[1])
print("s=%d"%S)
pts = numpy.array([[x[0],y[0]],[x[1],y[1]],[x[2],y[2]]])
pts = pts.reshape((-1,1,2))
cv2.polylines(img1,[pts],True,(255, 0, 0),10)
cv2.namedWindow("RED",cv2.WINDOW_NORMAL)
cv2.imshow("RED",img1)
cv2.waitKey(0)
cv2.destroyAllWindows()  

首先：

讀取檔案中的圖片，注意：檔案地址的斜杠要是/或\\,否則會報錯

img1 = cv2.imread("E:/a/qw.jpg")

我們用imshow函式來顯示圖片的時候會發現圖片過大螢屏顯示不完

cv2.imshow("RED",img1)

比如這樣，所以我們需要將影像變形以便更合適顯示在我們的螢屏，利用下面的函式就可以舒服的顯示我們的影像啦

cv2.namedWindow("RED",cv2.WINDOW_NORMAL)

進行圖片的通道分離：利用split函式來分離出藍、綠、紅三種顏色的灰度圖

(B,G,R) = cv2.split(img1)

這個是紅色分離后的影像，可以看出紅色的地方已經變成白色或灰色

然后經過影像二值化函式threshold()得到黑白的影像（二值圖），從而把紅色更好的提出

retal , img2 = cv2.threshold(R,0,255,cv2.THRESH_OTSU)

尋找圖形輪廓，把剛剛得到的二值圖放進函式，在二值圖中尋找輪廓，回傳每個輪廓的點contours

contours, hierarachy = cv2.findContours(img2,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

通過這個輪廓得到的點去畫出得到的輪廓利用drawContours來畫出：

cv2.drawContours(img1,contours,i,(0,0,255),10)

我們發現有很多的噪聲需要消掉，我們通過判斷面積來將不是紅色輪廓的其他輪廓消除，不難看出紅色的三個圖形輪廓的面積在全部輪廓中排名3，4，5.所以我們通過contourArea（）函式求出每個輪廓的面積并把他們放在areas串列中，

    area = cv2.contourArea(contours[i],False)
    areas.append(area)

這是把其他輪廓去除之后的圖形

我們發現這三分個輪廓，每個輪廓都是由很多個輪廓點組成，但是確實像矩形可以只用四個輪廓點表示，三角形可以只用三個輪廓點表示就可以了，所以下一步為了方便我們檢測圖形是否是三角形、圓形還是矩形，我們需要對輪廓點進行優化，所以我們就用到了approxPolyDP函式

            epsilon = 0.02 * cv2.arcLength(contours[i], True)
            approx = cv2.approxPolyDP(contours[i],epsilon,True)

在這里epsilon作為一個引數，這個需要調一下，0.02就是調出來的，具體參考：

opencv 使用approxPolyDP輪廓近似_brooknew的專欄-CSDN博客

再利用polylines()函式來畫出輪廓點之間的連線

cv2.polylines(img1,[approx],True,(0,0,255),10)

效果如下：

然后根據輪廓點的個數就可以判斷是什么形狀啦，

下一步我們尋找紅色圖形的中心點，用moments()函式求出圖形的矩，并求出每個圖形的重心，詳細可以看

Python OpenCV findContours()函式與drawContours()函式用法_dz4543的博客-CSDN博客_drawcontours()引數說明

 M = cv2.moments(contours[i])
 cx = int(M["m10"]/M["m00"])
 cy = int(M["m01"]/M["m00"])

然后根據三點求面積公式就可以求出三個重心圍成的面積

S=(1/2)*(x1y2*1+x2y3*1+x3y1*1-x1y3*1-x2y1*1-x3y2*1)

S = (1/2)*(x[0]*y[1]-x[0]*y[2]+x[1]*y[2]-x[1]*y[0]+x[2]*y[0]-x[1]*y[1])

然后利用polylines()函式連接三個重心

pts = numpy.array([[x[0],y[0]],[x[1],y[1]],[x[2],y[2]]])
pts = pts.reshape((-1,1,2))
cv2.polylines(img1,[pts],True,(255, 0, 0),10)

在這里reshape()是為了規范引數形式，讓pts自適應維度大小，

最終的圖形為

本文章是作者為了記錄學習程序而寫，如果有錯誤請大家指正，