opencv图像识别算法 opencv图像识别检测( 二 ) _经验知识

文章插图

文章插图
阈值类型
图片形态学kernel=cv2.getStructuringElement(cv2.MORPH_RECT,(21,7))closed=cv2.morphologyEx(thresh,cv2.MORPH_CLOSE,kernel)closed=cv2.erode(closed,None,iterations=4)closed=cv2.dilate(closed,None,iterations=4)

文章插图

文章插图
代码截图
通过以上操作。我们已经检测到了条形码的大致位置。然后使用内核函数获取图片外形的形态学。并分别执行4次形态学腐蚀与膨胀。获取更精确的图片形状位置
kernel=cv2.getStructuringElement这个函数的第一个参数表示内核的形状。有三种形状可以选择矩形：MORPH_RECT;交叉形：MORPH_CROSS;椭圆形：MORPH_ELLIpsE;
第二和第三个参数分别是内核的尺寸以及锚点的位置。一般在调用erode以及dilate函数之前。先定义一个Mat类型的变量来获得
getStructuringElement函数的返回值: 对于锚点的位置。有默认值Point（-1,-1）。表示锚点位于中心点。element形状唯一依赖锚点位置。其他情况下。锚点只是影响了形态学运算结果的偏移。
cv2.morphologyEx(src,op,kernel)进行各类形态学的变化参数说明:src传入的图片op进行变化的方式kernel表示方框的大小2.op=cv2.MORPH_OPEN进行开运算。指的是先进行腐蚀操作。再进行膨胀操作3.op=cv2.MORPH_CLOSE进行闭运算。指的是先进行膨胀操作。再进行腐蚀操作开运算：表示的是先进行腐蚀。再进行膨胀操作闭运算：表示先进行膨胀操作。再进行腐蚀操作

文章插图

文章插图
cv2.morphologyEx后图片
形态学图片转换完成后。进行图片的腐蚀与膨胀。这里主要是获取更精确的外形。
腐蚀与膨胀属于形态学操作。所谓的形态学。就是改变物体的形状。形象理解一些：腐蚀=变瘦膨胀=变胖。主要是采用 cv2.erode() 和 cv2.dilate() 。需要注意一点的是。腐蚀和膨胀主要针对二值化图像的白色部分

文章插图

文章插图
腐蚀与膨胀后图片
图片外轮廓的绘制cnts=cv2.findContours(closed.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_appROX_SIMPLE)cnts=cnts[0]c=sorted(cnts,key=cv2.contourArea,reverse=True)[0]rect=cv2.minAreaRect(c)box=cv2.boxPoints(rect)box=np.int0(box)cv2.drawContours(image,[box],-1,(0,255,0),3)cv2.imshow("Image",image)cv2.waitKey(0)

文章插图

文章插图
代码截图
我们通过以上的步骤。已经成功锁定图片条形码的位置。然后使用cv2.findContours函数找到图片的外形。并画出图片的外形。
(_,cnts,_)=cv2.findContours(参数一：二值化图像closed.copy(),参数二：轮廓类型#cv2.RETR_EXTERNAL,#表示只检测外轮廓#cv2.RETR_CCOMP,#建立两个等级的轮廓,上一层是边界#cv2.RETR_LIST,#检测的轮廓不建立等级关系#cv2.RETR_TREE,#建立一个等级树结构的轮廓#cv2.CHAIN_APPROX_NONE,#存储所有的轮廓点。相邻的两个点的像素位置差不超过1参数三：处理近似方法#cv2.CHAIN_APPROX_SIMPLE,#例如一个矩形轮廓只需4个点来保存轮廓信息#cv2.CHAIN_APPROX_TC89_L1,#cv2.CHAIN_APPROX_TC89_KCOS)
然后对找到的所有轮廓点进行重新排序
sorted(iterable,key=None,reverse=False)参数说明：iterable--可迭代对象。key--主要是用来进行比较的元素。只有一个参数。具体的函数的参数就是取自于可迭代对象中。指定可迭代对象中的一个元素来进行排序。reverse--排序规则。reverse=True降序。reverse=False升序（默认）。返回值返回重新排序的列表。
排序完成后的list传递给cv2.minAreaRect(Points)函数
其中points是点集。数据类型为ndarray 。array((x1,y1),(x2,y2),….,(xn,yn))
而minAreaRect就是求出在上述点集下的最小面积矩形
rect[0]返回矩形的中心点。（x,y）。实际上为y行x列的像素点
利用cv2.boxPoints(rect)可以返回矩形四个点的值。其中cv2.boxPoints(rect)[0]为point[0] 。cv2.boxPoints(rect)[1]为point[1].rect[1]返回矩形的长和宽rect[2]返回矩形的旋转角度