OpenCV-几何形状颜色识别 #导入MD文档图片# _opencv

著论准过秦，作赋拟子虚。这篇文章主要讲述OpenCV-几何形状颜色识别 #导入MD文档图片#相关的知识，希望能为你提供帮助。
@[toc]
题目

文章图片

思路

先先识别三角形，就先转成二值图像，然后使用轮廓发现findContours相关函数，提取与绘制轮廓，最后用approxPolyDP对其进行轮廓逼近，
然后对三角形找到中心点，需要用moments计算一阶几何距得到指定轮廓的中心位置
然后的到的三角形中心位置坐标可以用来得出三角形的坐标和颜色
“以接近于图像中心的三角形作为根节点，距离其最近的三角形作为其左节点，次近的作为其右节点”在构成二叉树的时候（我印象中学习机器学习的时候貌似记得有个KNN算法，实现有点麻烦），这里我是直接用两点之间开方计算距离。
后面二叉树的，先按照距离进行排序，然后插入节点
打印节点

文章图片

代码

# -*- coding: utf-8 -*- #引入必要工具 import cv2 as cv import numpy as np import math#计算距离 def caculateDistance(a, b): return math.sqrt(math.pow(a[0] - b[0], 2) + math.pow(a[1] - b[1], 2))class Node: def __init__(self, pos, area, color): # 节点内容:面积，颜色，坐标，左子树,右子树,父节点 self.area = area self.color = color self.pos = pos self.left = None self.right = None self.Parent = None #添加左子树 def addLeft(self, l): self.left = l# 添加右子树 def addRight(self, r): self.right = r# 添加父节点 def GetParent(self): return self.Parent#定义树 class Tree: def __init__(self): self.root = Nonedef addroot(self, root): self.root = rootclass ShapeAnalysis: def __init__(self): self.shapes = {\'triangle\': 0, \'rectangle\': 0, \'polygons\': 0, \'circles\': 0} self.i = 0def analysis(self, frame, tree): h, w, ch = frame.shape result = np.zeros((h, w, ch), dtype=np.uint8) # 二值化图像 print("start to detect lines...\\n") gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY) ret, binary = cv.threshold(gray, 230, 255, cv.THRESH_BINARY_INV)triangles = {} cv.imshow("Binary Image", binary) out_binary, contours, hierarchy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE) for cnt in range(len(contours)): # 提取与绘制轮廓 cv.drawContours(result, contours, cnt, (0, 255, 0), 2) # 轮廓逼近 epsilon = 0.012 * cv.arcLength(contours[cnt], True) approx = cv.approxPolyDP(contours[cnt], epsilon, True) # 分析几何形状 corners = len(approx) shape_type = [] if corners == 3: count = self.shapes[\'triangle\'] count = count + 1 self.shapes[\'triangle\'] = count shape_type = "三角形"# 求中心位置 mm = cv.moments(contours[cnt]) cx = int(mm[\'m10\'] / mm[\'m00\']) cy = int(mm[\'m01\'] / mm[\'m00\']) if shape_type == "三角形": cv.circle(result, (cx, cy), 3, (0, 0, 255), -1)# 计算颜色 color = frame[cy][cx] color_str = "(" + str(color[0]) + ", " + str(color[1]) + ", " + str(color[2]) + ")"# 计算面积 area = cv.contourArea(contours[cnt]) # 判断三角形 if shape_type == "三角形": n = Node([cx, cy], area, color) triangles[self.i] = n self.i = self.i + 1 print("-------------------------------------") print("第%d个三角形："%self.i) print(" 坐标 %s 面积: %.3f 颜色: %s" % ((cx, cy), area, color_str)) print("-------------------------------------") cv.imshow("Analysis Result", self.draw_text_info(result))center = [frame.shape[0] / 2, frame.shape[1] / 2] print("图片中心位置:%s"%center) print("-------------------------------------") dis = {} # 以接近于图像中心的三角形作为根节点， # 距离其最近的三角形作为其左节点，次近的作为其右节点 for j in range(4): dis[j] = caculateDistance(center, triangles[j].pos) for j in range(4): for k in range(4): if (dis[j] < dis[k]): temp = dis[k] dis[k] = dis[j] dis[j] = temp temp1 = triangles[k] triangles[k] = triangles[j] triangles[j] = temp1for j in range(len(triangles)): print(dis[j]) print(triangles[j].pos)tree.addroot(triangles[0]) x = Node([-1, -1], 0, [-1, -1, -1])triangles[0].Parent = x triangles[0].addLeft(triangles[1]) triangles[1].Parent = triangles[0] triangles[0].addRight(triangles[2]) triangles[2].Parent = triangles[0] triangles[1].addLeft(triangles[3]) triangles[3].Parent = triangles[1]# 3和2号没有子树,1号没有右子树 y = Node([0, 0], 0, [-1, -1, -1]) triangles[3].addLeft(y) triangles[3].addRight(y)triangles[2].addLeft(y) triangles[2].addRight(y)triangles[1].addRight(y)for k in range(4): print("-------------------------------------") print("第%d节点面积%.3f颜色%s父节点%s自己节点%s左子树%s右子树%s "% (k,(triangles[k].area),(triangles[k].color),(triangles[k].Parent.pos),(triangles[k].pos),(triangles[k].left.pos),(triangles[k].right.pos)))return self.shapesdef draw_text_info(self, image): c1 = self.shapes[\'triangle\'] cv.putText(image, "triangle: " + str(c1), (10, 20), cv.FONT_HERSHEY_PLAIN, 1.2, (255, 255, 255), 1) return imageif __name__ == "__main__": src = https://www.songbingjia.com/android/cv.imread("D:/picture/11.png") tree = Tree() ld = ShapeAnalysis() ld.analysis(src, tree) cv.waitKey(-1)

结果

文章图片

python 3.6.4 |Anaconda, Inc.| (default, Jan 16 2018, 10:22:32) [MSC v.1900 64 bit (AMD64)] on win32 runfile(\'C:/Users/Jackinsun/Desktop/untitled0.py\', wdir=\'C:/Users/Jackinsun/Desktop\') start to detect lines... ------------------------------------- 第1个三角形：坐标 (436, 330) 面积: 1447.500 颜色: (195, 195, 195) ------------------------------------- 第2个三角形：坐标 (99, 215) 面积: 1393.500 颜色: (76, 177, 34) ------------------------------------- 第3个三角形：坐标 (315, 208) 面积: 965.500 颜色: (0, 243, 255) ------------------------------------- 第4个三角形：坐标 (241, 101) 面积: 4813.500 颜色: (36, 28, 237) ------------------------------------- 图片中心位置:[208.0, 277.0] ------------------------------------- 125.39936203984452 [99, 215] 127.3184982632139 [315, 208] 179.06702655709677 [241, 101] 234.07904647789388 [436, 330] ------------------------------------- 第0节点面积1393.500颜色[ 76 17734]父节点[-1, -1]自己节点[99, 215]左子树[315, 208]右子树[241, 101] ------------------------------------- 第1节点面积965.500颜色[0 243 255]父节点[99, 215]自己节点[315, 208]左子树[436, 330]右子树[0, 0] ------------------------------------- 第2节点面积4813.500颜色[ 3628 237]父节点[99, 215]自己节点[241, 101]左子树[0, 0]右子树[0, 0] ------------------------------------- 第3节点面积1447.500颜色[195 195 195]父节点[315, 208]自己节点[436, 330]左子树[0, 0]右子树[0, 0]

参考资料opencv findContours
python-opencv获取二值图像轮廓及中心点坐标
Python-opencv 图片颜色域的识别选取
Python OpenCV Color Detection Example
Simple shape detection – Opencv with Python 3
OpenCV中几何形状识别与测量
OpenCV Python Tutorial For Beginners 25 - Detect Simple Geometric Shapes using OpenCV in Python
【OpenCV-几何形状颜色识别 #导入MD文档图片#】