OpenCV-Python實現(xiàn)凸包的獲取
前言
逼近多邊形是某個圖像輪廓的高度近似,而凸包的提出是為了簡化逼近多邊形的。其實,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所構(gòu)成的多邊形。凸包的特點是每一處都是凸的,即在凸包內(nèi)連接任意兩點的直線都在凸包的內(nèi)部,并且任意連續(xù)3個點的內(nèi)角小于180度。
在OpenCV中,它給我們提供cv2.convexHull()來獲取輪廓的凸包。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。可以理解為多邊形的點坐標,或索引。
clockwise:布爾類型,為True時,凸包角點將按順時針方向排列;為False時,為逆時針。
returnPoints:布爾類型,默認值True,函數(shù)返回凸包角點的x/y坐標;為False時,函數(shù)返回輪廓中凸包角點的索引。
獲取凸包角點
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。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。運行之后,角點坐標如下:
如果修改參數(shù)returnPoints為False,會返回對應(yīng)的6個索引值。
這里我們再添加一行代碼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)
運行之后,效果如下所示:
凸缺陷
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,為凸缺陷點集。它是一個數(shù)組,返回的指包括[起點,終點,輪廓上的距離凸包最遠點,最遠點到凸包的近似距離]
特別注意,用該函數(shù)計算凸缺陷之前,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,我們來使用該函數(shù)計算上圖的凸缺陷。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()
運行之后,效果如下:
如上圖所示,我們用點標記出來的凸缺陷,可以看到五角星的每個凹肩都是凸缺陷。
最后可以擴展以下,其中OpenCV提供函數(shù)cv2.isContourConvex()來判斷輪廓是否是凸形的。同時,也提供了cv2.pointPolygonTest()函數(shù)來計算點到多邊形(輪廓)的最短距離,也就是垂線距離,這個計算由稱為點和多邊形的關(guān)系測試。感興趣的讀者可以自己實驗這兩個方函數(shù)。
簡單例子 手勢圖片
接下來,我們將介紹一張稍微難一點的圖片——手勢圖片(finger.jpg),如下所示:
我們將會來尋找這個手勢的凸包?;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集集合的大小上做一些處理,取二值化的閾值為235,凸包點集中的點個數(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) # 如果凸包點集中的點個數(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()
檢測到的凸包如下圖所示:
可以發(fā)現(xiàn),一共檢測到2個凸包,一個是整個手勢外圍的凸包,正好包圍整個手,另一個是兩個手指形成的內(nèi)部的圖形,類似于O的凸包,這符合我們的預期。
到此這篇關(guān)于OpenCV-Python實現(xiàn)凸包的獲取的文章就介紹到這了,更多相關(guān)OpenCV-Python 凸包內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Pandas?DataFrame列快速轉(zhuǎn)換為列表(3秒學會!)
這篇文章主要給大家介紹了關(guān)于Pandas?DataFrame列如何快速轉(zhuǎn)換為列表的相關(guān)資料,在Python的pandas庫中可以使用DataFrame的tolist()方法將DataFrame轉(zhuǎn)化為列表,需要的朋友可以參考下2023-10-10Pytorch反向求導更新網(wǎng)絡(luò)參數(shù)的方法
今天小編就為大家分享一篇Pytorch反向求導更新網(wǎng)絡(luò)參數(shù)的方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-08-08詳解django實現(xiàn)自定義manage命令的擴展
這篇文章主要介紹了django實現(xiàn)自定義manage命令的擴展,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2019-08-08