欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python?OpenCV實(shí)現(xiàn)圖像形狀檢測(cè)

 更新時(shí)間：2024年11月29日 08:42:46   作者：傻啦嘿喲  
圖像形狀檢測(cè)是計(jì)算機(jī)視覺領(lǐng)域中的一項(xiàng)關(guān)鍵技術(shù),廣泛應(yīng)用于工業(yè)自動(dòng)化、機(jī)器人視覺、醫(yī)學(xué)圖像處理等多個(gè)領(lǐng)域,本文將介紹如何使用Python?OpenCV實(shí)現(xiàn)圖像形狀檢測(cè),需要的可以參考下

圖像形狀檢測(cè)是計(jì)算機(jī)視覺領(lǐng)域中的一項(xiàng)關(guān)鍵技術(shù)，廣泛應(yīng)用于工業(yè)自動(dòng)化、機(jī)器人視覺、醫(yī)學(xué)圖像處理等多個(gè)領(lǐng)域。本文將詳細(xì)介紹如何使用Python和OpenCV庫實(shí)現(xiàn)圖像形狀檢測(cè)，通過簡(jiǎn)潔明了的步驟和代碼示例，幫助你快速掌握這一技能。

一、環(huán)境準(zhǔn)備

在開始之前，確保你的電腦上已經(jīng)安裝了Python和OpenCV庫。你可以通過以下命令來安裝OpenCV庫：

pip install opencv-python

同時(shí)，確保你能夠編寫和運(yùn)行Python代碼，并熟悉基本的圖像處理概念。

二、讀取和預(yù)處理圖像

讀取圖像

使用OpenCV的cv2.imread()函數(shù)讀取圖像文件。例如，讀取一張包含不同形狀的圖像：

import cv2
 
# 讀取圖像
img = cv2.imread('shapes.png')

灰度化

將彩色圖像轉(zhuǎn)換為灰度圖像，以簡(jiǎn)化后續(xù)處理。使用cv2.cvtColor()函數(shù)：

# 轉(zhuǎn)換為灰度圖像
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

濾波去噪

使用高斯模糊來去除圖像中的噪聲。高斯模糊是一種常用的圖像處理技術(shù)，可以平滑圖像并減少噪聲干擾。使用cv2.GaussianBlur()函數(shù)：

# 高斯模糊
blurred_img = cv2.GaussianBlur(gray_img, (5, 5), 0)

三、邊緣檢測(cè)

邊緣檢測(cè)是形狀檢測(cè)的重要步驟，它可以幫助我們找到圖像中的輪廓。使用Canny邊緣檢測(cè)算法，該算法是一種常用的邊緣檢測(cè)算法，具有良好的邊緣檢測(cè)效果。使用cv2.Canny()函數(shù)：

# Canny邊緣檢測(cè)
edges = cv2.Canny(blurred_img, 50, 150)

四、查找輪廓

使用cv2.findContours()函數(shù)查找圖像中的輪廓。該函數(shù)會(huì)返回輪廓點(diǎn)集、層次結(jié)構(gòu)和輪廓的近似方法。我們主要關(guān)注輪廓點(diǎn)集：

# 查找輪廓
contours, hierarchy = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

五、繪制輪廓

為了可視化檢測(cè)到的輪廓，我們可以使用cv2.drawContours()函數(shù)在原圖像上繪制輪廓：

# 繪制輪廓
contour_img = img.copy()
cv2.drawContours(contour_img, contours, -1, (0, 255, 0), 2)

六、形狀分類

根據(jù)輪廓的頂點(diǎn)數(shù)目、面積、周長(zhǎng)等特征，我們可以對(duì)檢測(cè)到的形狀進(jìn)行分類。以下是一個(gè)簡(jiǎn)單的形狀分類示例：

for contour in contours:
    # 計(jì)算輪廓面積
    area = cv2.contourArea(contour)
    
    # 計(jì)算輪廓周長(zhǎng)
    perimeter = cv2.arcLength(contour, True)
    
    # 近似輪廓為多邊形
    epsilon = 0.02 * perimeter
    approx = cv2.approxPolyDP(contour, epsilon, True)
    
    # 獲取輪廓頂點(diǎn)數(shù)目
    num_vertices = len(approx)
    
    # 根據(jù)頂點(diǎn)數(shù)目判斷形狀
    shape = 'Unknown'
    if num_vertices == 3:
        shape = 'Triangle'
    elif num_vertices == 4:
        # 判斷是否為正方形或矩形
        x, y, w, h = cv2.boundingRect(approx)
        aspect_ratio = w / float(h)
        if 0.95 < aspect_ratio < 1.05:
            shape = 'Square'
        else:
            shape = 'Rectangle'
    elif num_vertices == 5:
        shape = 'Pentagon'
    elif num_vertices == 6:
        shape = 'Hexagon'
    else:
        # 對(duì)于頂點(diǎn)數(shù)目大于6的形狀，可以根據(jù)周長(zhǎng)面積比等特征進(jìn)一步分類
        # 例如，圓形可以通過周長(zhǎng)面積比接近某個(gè)閾值來判斷
        if 4 * 3.14 * (area / 3.14) ** 0.5 / perimeter > 0.8 and 4 * 3.14 * (area / 3.14) ** 0.5 / perimeter < 1.2:
            shape = 'Circle'
        else:
            shape = 'Other Polygon'
    
    # 在圖像上標(biāo)注形狀名稱和頂點(diǎn)數(shù)目
    M = cv2.moments(contour)
    if M['m00'] != 0:
        cX = int(M['m10'] / M['m00'])
        cY = int(M['m01'] / M['m00'])
    else:
        cX, cY = 0, 0
    
    cv2.putText(contour_img, f'{shape} ({num_vertices} vertices)', (cX - 50, cY - 50), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 0, 0), 2)
    cv2.drawContours(contour_img, [approx], -1, (0, 0, 255), 2)

七、顯示結(jié)果

最后，使用cv2.imshow()函數(shù)顯示處理后的圖像：

# 顯示結(jié)果圖像
cv2.imshow('Shape Detection', contour_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

八、完整代碼示例

以下是完整的代碼示例，將上述步驟整合在一起：

import cv2
 
# 讀取圖像
img = cv2.imread('shapes.png')
 
# 轉(zhuǎn)換為灰度圖像
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
 
# 高斯模糊
blurred_img = cv2.GaussianBlur(gray_img, (5, 5), 0)
 
# Canny邊緣檢測(cè)
edges = cv2.Canny(blurred_img, 50, 150)
 
# 查找輪廓
contours, hierarchy = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
 
# 繪制輪廓并分類形狀
 
 
contour_img = img.copy()
for contour in contours:
    # 計(jì)算輪廓面積
    area = cv2.contourArea(contour)
    
    # 計(jì)算輪廓周長(zhǎng)
    perimeter = cv2.arcLength(contour, True)
    
    # 近似輪廓為多邊形
    epsilon = 0.02 * perimeter
    approx = cv2.approxPolyDP(contour, epsilon, True)
    
    # 獲取輪廓頂點(diǎn)數(shù)目
    num_vertices = len(approx)
    
    # 根據(jù)頂點(diǎn)數(shù)目判斷形狀
    shape = 'Unknown'
    if num_vertices == 3:
        shape = 'Triangle'
    elif num_vertices == 4:
        # 判斷是否為正方形或矩形
        x, y, w, h = cv2.boundingRect(approx)
        aspect_ratio = w / float(h)
        if 0.95 < aspect_ratio < 1.05:
            shape = 'Square'
        else:
            shape = 'Rectangle'
    elif num_vertices == 5:
        shape = 'Pentagon'
    elif num_vertices == 6:
        shape = 'Hexagon'
    else:
        # 對(duì)于頂點(diǎn)數(shù)目大于6的形狀，可以根據(jù)周長(zhǎng)面積比等特征進(jìn)一步分類
        # 例如，圓形可以通過周長(zhǎng)面積比接近某個(gè)閾值來判斷
        if 4 * 3.14 * (area / 3.14) ** 0.5 / perimeter > 0.8 and 4 * 3.14 * (area / 3.14) ** 0.5 / perimeter < 1.2:
            shape = 'Circle'
        else:
            shape = 'Other Polygon'
    
    # 在圖像上標(biāo)注形狀名稱和頂點(diǎn)數(shù)目
    M = cv2.moments(contour)
    if M['m00'] != 0:
        cX = int(M['m10'] / M['m00'])
        cY = int(M['m01'] / M['m00'])
    else:
        cX, cY = 0, 0
    
    # 繪制形狀名稱和頂點(diǎn)數(shù)目
    cv2.putText(contour_img, f'{shape} ({num_vertices} vertices)', (cX - 50, cY - 50), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 0, 0), 2)
    
    # 繪制輪廓（近似多邊形）
    cv2.drawContours(contour_img, [approx], -1, (0, 0, 255), 2)
 
# 顯示結(jié)果圖像
cv2.imshow('Shape Detection', contour_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

九、總結(jié)

本文介紹了如何使用Python和OpenCV庫實(shí)現(xiàn)圖像形狀檢測(cè)。通過環(huán)境準(zhǔn)備、圖像預(yù)處理、邊緣檢測(cè)、輪廓查找、繪制輪廓及形狀分類等步驟，展示了完整的圖像形狀檢測(cè)流程。利用高斯模糊、Canny邊緣檢測(cè)和輪廓近似等技術(shù)，實(shí)現(xiàn)了對(duì)圖像中不同形狀的有效檢測(cè)與分類。通過示例代碼，讀者可以快速掌握?qǐng)D像形狀檢測(cè)的基本方法和技巧，為工業(yè)自動(dòng)化、機(jī)器人視覺等領(lǐng)域的實(shí)際應(yīng)用提供有力支持。

到此這篇關(guān)于Python OpenCV實(shí)現(xiàn)圖像形狀檢測(cè)的文章就介紹到這了,更多相關(guān)Python OpenCV形狀檢測(cè)內(nèi)容請(qǐng)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

  • Python迭代器與生成器及作用示例詳解

    Python迭代器與生成器及作用示例詳解

    Python生成器在內(nèi)存管理、延遲計(jì)算、生成無限序列以及提高代碼簡(jiǎn)潔性和可讀性方面都具有重要作用,這篇文章主要介紹了Python迭代器與生成器示例詳解,需要的朋友可以參考下
    2024-02-02
  • Python多線程編程（四）：使用Lock互斥鎖

    Python多線程編程（四）：使用Lock互斥鎖

    這篇文章主要介紹了Python多線程編程（四）：使用Lock互斥鎖,本文講解了互斥鎖概念、同步阻塞、代碼示例等內(nèi)容,需要的朋友可以參考下
    2015-04-04
  • python使用json序列化datetime類型實(shí)例解析

    python使用json序列化datetime類型實(shí)例解析

    這篇文章主要介紹了python使用json序列化datetime類型實(shí)例解析，分享了相關(guān)代碼示例，小編覺得還是挺不錯(cuò)的，具有一定借鑒價(jià)值，需要的朋友可以參考下
    2018-02-02
  • Python中如何實(shí)現(xiàn)真正的按位取反運(yùn)算

    Python中如何實(shí)現(xiàn)真正的按位取反運(yùn)算

    按位取反是位運(yùn)算符,而位運(yùn)算符是應(yīng)用在兩個(gè)數(shù)的運(yùn)算上,會(huì)對(duì)數(shù)字的二進(jìn)制所有位數(shù)進(jìn)行從低到高的運(yùn)算,下面這篇文章主要給大家介紹了關(guān)于Python中如何實(shí)現(xiàn)真正的按位取反運(yùn)算的相關(guān)資料,需要的朋友可以參考下
    2023-02-02
  • 關(guān)于Python dict存中文字符dumps()的問題

    關(guān)于Python dict存中文字符dumps()的問題

    這篇文章主要介紹了關(guān)于Python dict存中文字符dumps()的問題,本文給大家分享問題及解決方案，給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下
    2021-10-10
  • 將Python字符串生成PDF的實(shí)例代碼詳解

    將Python字符串生成PDF的實(shí)例代碼詳解

    這篇文章主要介紹了將Python字符串生成PDF的實(shí)例代碼，本文通過代碼給大家介紹的非常詳細(xì)，具有一定的參考借鑒價(jià)值 ,需要的朋友可以參考下
    2019-05-05
  • opencv python 傅里葉變換的使用

    opencv python 傅里葉變換的使用

    這篇文章主要介紹了opencv python 傅里葉變換的使用，小編覺得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過來看看吧
    2018-07-07
  • Django-xadmin后臺(tái)導(dǎo)入json數(shù)據(jù)及后臺(tái)顯示信息圖標(biāo)和主題更改方式

    Django-xadmin后臺(tái)導(dǎo)入json數(shù)據(jù)及后臺(tái)顯示信息圖標(biāo)和主題更改方式

    這篇文章主要介紹了Django-xadmin后臺(tái)導(dǎo)入json數(shù)據(jù)及后臺(tái)顯示信息圖標(biāo)和主題更改方式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧
    2020-03-03
  • Python入門之模塊和包用法詳解

    Python入門之模塊和包用法詳解

    這篇文章主要為大家詳細(xì)介紹一下Python中的包與模塊的使用，文中的示例講解詳細(xì)，對(duì)我們學(xué)習(xí)Python有一定幫助，感興趣的小伙伴可以學(xué)習(xí)一下
    2022-07-07
  • python的三目運(yùn)算符和not in運(yùn)算符使用示例

    python的三目運(yùn)算符和not in運(yùn)算符使用示例

    這篇文章主要介紹了python的三目運(yùn)算符和not in運(yùn)算符使用示例,需要的朋友可以參考下
    2014-03-03

最新評(píng)論