您好,登錄后才能下訂單哦!
這篇文章給大家分享的是有關(guān)OpenCV-Python如何獲取凸包角點(diǎn)的內(nèi)容。小編覺得挺實(shí)用的,因此分享給大家做個(gè)參考,一起跟隨小編過來(lái)看看吧。
逼近多邊形是某個(gè)圖像輪廓的高度近似,而凸包的提出是為了簡(jiǎn)化逼近多邊形的。其實(shí),凸包跟逼近多邊形很像,只不過它是物體最外層的“凸”多邊形。
簡(jiǎn)單的概括,凸包是指完全包含原有輪廓,并且僅由輪廓上的點(diǎn)所構(gòu)成的多邊形。凸包的特點(diǎn)是每一處都是凸的,即在凸包內(nèi)連接任意兩點(diǎn)的直線都在凸包的內(nèi)部,并且任意連續(xù)3個(gè)點(diǎn)的內(nèi)角小于180度。
在OpenCV中,它給我們提供cv2.convexHull()來(lái)獲取輪廓的凸包。其完整定義如下:
def convexHull(points, hull=None, clockwise=None, returnPoints=None):
points:輪廓
hull:返回值,為凸包角點(diǎn)。可以理解為多邊形的點(diǎn)坐標(biāo),或索引。
clockwise:布爾類型,為True時(shí),凸包角點(diǎn)將按順時(shí)針方向排列;為False時(shí),為逆時(shí)針。
returnPoints:布爾類型,默認(rèn)值True,函數(shù)返回凸包角點(diǎn)的x/y坐標(biāo);為False時(shí),函數(shù)返回輪廓中凸包角點(diǎn)的索引。
既然,我們已經(jīng)了解了凸包的作用,并且理解了OpenCV提供的函數(shù)。下面,我們隨便選取一張圖,獲取凸包角點(diǎn)。具體代碼如下所示:
import cv2 img = cv2.imread("24.jpg") cv2.imshow("img", img) # 轉(zhuǎn)換為灰度圖像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE) hull=cv2.convexHull(contours[0]) print(hull)
這里,我們隨便獲取了一張圖像,并獲取其凸包的角點(diǎn)。運(yùn)行之后,角點(diǎn)坐標(biāo)如下:
如果修改參數(shù)returnPoints為False,會(huì)返回對(duì)應(yīng)的6個(gè)索引值。
這里我們?cè)偬砑右恍写a就可以繪制凸包多邊形了,具體添加的代碼如下:
#獲取hull之后 cv2.polylines(img, [hull], True, (0, 255, 0), 2) cv2.imshow("img1", img)
運(yùn)行之后,效果如下所示:
凸包與輪廓之間的部分我們稱之為凸缺陷。在OpenCV中使用函數(shù)cv2.convexityDefects()獲取凸缺陷,其完整定義如下:
def convexityDefects(contour, convexhull, convexityDefects=None):
contour:輪廓
convexhull:凸包
convexityDefects:返回值,為凸缺陷點(diǎn)集。它是一個(gè)數(shù)組,返回的指包括[起點(diǎn),終點(diǎn),輪廓上的距離凸包最遠(yuǎn)點(diǎn),最遠(yuǎn)點(diǎn)到凸包的近似距離]
特別注意,用該函數(shù)計(jì)算凸缺陷之前,我們需要使用函數(shù)cv2.convexHull()獲取凸包,但其參數(shù)returnPoints必須為False。
下面,我們來(lái)使用該函數(shù)計(jì)算上圖的凸缺陷。代碼如下:
import cv2 img = cv2.imread("24.jpg") cv2.imshow("img", img) # 轉(zhuǎn)換為灰度圖像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE) hull = cv2.convexHull(contours[0], returnPoints=False) defects = cv2.convexityDefects(contours[0], hull) print(defects) for i in range(defects.shape[0]): s, e, f, d = defects[i, 0] start = tuple(contours[0][s][0]) end = tuple(contours[0][e][0]) far = tuple(contours[0][f][0]) cv2.line(img, start, end, [0, 255, 0], 2) cv2.circle(img, far, 5, [0, 0, 255], -1) cv2.imshow("img1", img) cv2.waitKey() cv2.destroyAllWindows()
運(yùn)行之后,效果如下:
如上圖所示,我們用點(diǎn)標(biāo)記出來(lái)的凸缺陷,可以看到五角星的每個(gè)凹肩都是凸缺陷。
最后可以擴(kuò)展以下,其中OpenCV提供函數(shù)cv2.isContourConvex()來(lái)判斷輪廓是否是凸形的。同時(shí),也提供了cv2.pointPolygonTest()函數(shù)來(lái)計(jì)算點(diǎn)到多邊形(輪廓)的最短距離,也就是垂線距離,這個(gè)計(jì)算由稱為點(diǎn)和多邊形的關(guān)系測(cè)試。感興趣的讀者可以自己實(shí)驗(yàn)這兩個(gè)方函數(shù)。
接下來(lái),我們將介紹一張稍微難一點(diǎn)的圖片——手勢(shì)圖片(finger.jpg),如下所示:
我們將會(huì)來(lái)尋找這個(gè)手勢(shì)的凸包?;镜奶幚硭悸愤€是和之前的一致,只是要在二值化以及凸包點(diǎn)集集合的大小上做一些處理,取二值化的閾值為235,凸包點(diǎn)集中的點(diǎn)個(gè)數(shù)大于5,完整的Python代碼如下:
import cv2 # 讀取圖片并轉(zhuǎn)至灰度模式 imagepath = 'F://finger.jpg' img = cv2.imread(imagepath, 1) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 二值化,取閾值為235 ret, thresh = cv2.threshold(gray, 235, 255, cv2.THRESH_BINARY) # 尋找圖像中的輪廓 image, contours, hierarchy = cv2.findContours(thresh, 2, 1) # 尋找物體的凸包并繪制凸包的輪廓 for cnt in contours: hull = cv2.convexHull(cnt) length = len(hull) # 如果凸包點(diǎn)集中的點(diǎn)個(gè)數(shù)大于5 if length > 5: # 繪制圖像凸包的輪廓 for i in range(length): cv2.line(img, tuple(hull[i][0]), tuple(hull[(i+1)%length][0]), (0,0,255), 2) cv2.imshow('finger', img) cv2.waitKey()
檢測(cè)到的凸包如下圖所示:
可以發(fā)現(xiàn),一共檢測(cè)到2個(gè)凸包,一個(gè)是整個(gè)手勢(shì)外圍的凸包,正好包圍整個(gè)手,另一個(gè)是兩個(gè)手指形成的內(nèi)部的圖形,類似于O的凸包,這符合我們的預(yù)期。
感謝各位的閱讀!關(guān)于“OpenCV-Python如何獲取凸包角點(diǎn)”這篇文章就分享到這里了,希望以上內(nèi)容可以對(duì)大家有一定的幫助,讓大家可以學(xué)到更多知識(shí),如果覺得文章不錯(cuò),可以把它分享出去讓更多的人看到吧!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。