youcans|【youcans 的 OpenCV 例程200篇】199.轮廓的外接边界框 OpenCV|例程|200|篇|opencv|python|图

OpenCV 例程200篇总目录-202206更新

【youcans 的 OpenCV 例程200篇】199.轮廓的外接边界框
文章目录

【youcans 的 OpenCV 例程200篇】199.轮廓的外接边界框
- 2. 轮廓的特征描述
- - 2.3 轮廓的外接边界框
  - - 2.3.1 轮廓的垂直矩形边界框
    - 2.3.2 轮廓的最小矩形边界框
    - 2.3.3 轮廓的最小外接圆
    - 2.3.4 轮廓的最小外接三角形
    - 2.3.5 轮廓的最小拟合椭圆
    - 2.3.6 轮廓的拟合直线
    - 2.3.7 形状相似度检测
  - 例程 12.5：轮廓的外接边界框

2. 轮廓的特征描述在对实际图像进行轮廓查找时，得到的轮廓数量很多。获取轮廓后，通常基于轮廓的特征进行筛选、识别和处理。例如，基于轮廓的周长和面积对轮廓进行筛选，然后绘制筛选的目标轮廓或其最小外接矩形。
常用的轮廓特征，包括图像距、轮廓周长、轮廓近似、凸包、边界矩形、拟合图形等特征。

2.3 轮廓的外接边界框
通过轮廓的外接矩形、外接圆或椭圆，计算几何形状的横纵比、面积、周长，可以实现特定几何形状轮廓的查找与过滤，为后续的处理与分析筛选目标。
2.3.1 轮廓的垂直矩形边界框垂直矩形边界框是指平行于图像侧边的矩形框。用于不考虑旋转，垂直边界框不是轮廓的最小矩形边界框。
函数 cv2. boundingRect() 可以获得轮廓的垂直矩形边界框。
函数说明：

cv.boundingRect(array) → retval

参数说明：

array：灰度图像，或顶点构成的二维向量组（如轮廓列表 contours 中的一个轮廓）
retval：返回值结构 (x, y, w, h)，矩形左上顶点坐标 x, y，矩形的宽度 w，高度 h

2.3.2 轮廓的最小矩形边界框轮廓的最小矩形边界框是面积最小的轮廓外接矩形框，最小矩形边界框通常与图像侧边有旋转角。
函数 cv2. minAreaRect () 可以获得轮廓的最小矩形边界框，函数 cv2.boxPoints() 计算旋转矩形的顶点。
函数说明：

cv.minAreaRect(points) → retval cv.boxPoints(box[, points]) → points

参数说明：

points：二维点向量集 (x,y)
retval = [(x,y), (w,h), ang]： Box2D 结构，矩形中心点坐标 (x,y)，矩形宽高 (w,h)，旋转角度 ang
box： Box2D 结构，旋转矩形（如函数 cv.minAreaRect() 的输出）

注意事项：
水平轴逆时针旋转，直到矩形的第一条边，该边与水平轴的夹角为旋转角度 ang，这条边的边长为 width。
当数据接近包含的元素边界时，返回的 RotatedRect 可以包含负索引。

2.3.3 轮廓的最小外接圆轮廓的最小外接圆是面积最小的轮廓外接圆。
函数 cv2. minAreaRect() 可以获得轮廓的最小外接圆。
函数说明：

cv.minEnclosingCircle(points) → center, radius

参数说明：

points：二维点向量集
center：外接圆的圆心坐标 (Cx, Cy)，浮点数
radius：外接圆的半径，浮点数

2.3.4 轮廓的最小外接三角形轮廓的最小外接三角形是面积最小的轮廓外接三角形。
函数 cv2. minEnclosingTriangle () 可以获得轮廓的最小外接圆。
函数说明：

cv.minEnclosingTriangle(points[, triangle]) → retval, triangle

参数说明：

points：二维点向量集，数据类型为 CV_32S 或 CV_32F
retval：三角形的面积，浮点数
triangle：三角形的顶点坐标，形状 (3,1,2)，数据类型为 CV_32F

2.3.5 轮廓的最小拟合椭圆函数 cv2. fitEllipse() 根据一组二维点向量拟合椭圆。
函数说明：

cv.fitEllipse(points) → retval

参数说明：

points：二维点向量集
retval = [(x,y), (a,b), ang]，椭圆中心点坐标 (x,y)，椭圆短轴、长轴长度 (a,b)，旋转角度 ang

旋转角度 ang 表示短轴 a 与水平轴的夹角，顺时针为正。

2.3.6 轮廓的拟合直线函数 cv2. fitLine() 用一条直线拟合到一组二维点向量。
函数说明：

cv.fitLine(points, distType, param, reps, aeps[, line] ) → line

参数说明：

points：二维或三维点向量集
line：拟合直线，(vx, vy, x0, y0)，(vx,vy) 是与直线共线的归一化向量，(x0,y0) 是直线上的点
distType：距离类型， cv.DIST_L1、cv.DIST_L2、cv.DIST_C、cv.DIST_L12
param：某些类型距离的参数（C），0 表示选择最佳值
reps：距离精度，原点与直线的间距
aeps：角度精度，推荐值 0.01

2.3.7 形状相似度检测函数 cv2.matchShapes() 基于 Hu 不变矩检测两个形状之间的相似度，返回值越小表明形状越相似。
函数说明：

cv.matchShapes(contour1, contour2, method, parameter) → retval

参数说明：

contour1：第 1 个轮廓，或灰度图像
contour2：第 2 个轮廓，或灰度图像
method：比较方法，可选项：cv.CONTOURS_MATCH_I1、cv.CONTOURS_MATCH_I2、cv.CONTOURS_MATCH_I3

例程 12.5：轮廓的外接边界框

# 12.5 轮廓的外接边界框 img = cv2.imread("../images/seagull01.png", flags=1) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 灰度图像 plt.figure(figsize=(9, 6)) plt.subplot(231), plt.axis('off'), plt.title("Origin") plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))# HSV 色彩空间图像分割 hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)# 将图片转换到 HSV 色彩空间 lowerBlue, upperBlue = np.array([100, 43, 46]), np.array([124, 255, 255])# 蓝色阈值 segment = cv2.inRange(hsv, lowerBlue, upperBlue)# 背景色彩图像分割 kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))# (5, 5) 结构元 binary = cv2.dilate(cv2.bitwise_not(segment), kernel=kernel, iterations=3)# 图像膨胀# 寻找二值化图中的轮廓 # binary, contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)# OpenCV3 contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)# OpenCV4~# #绘制全部轮廓，contourIdx=-1 绘制全部轮廓 for i in range(len(contours)):# 绘制第 i 个轮廓 if hierarchy[0][i][3]==-1:# 最外层轮廓 rect = cv2.minAreaRect(contours[i])# 最小外接矩形 x, y = int(rect[0][0]), int(rect[0][1])# 最小外接矩形的中心(x,y) text = "{}:({},{})".format(i, x, y) img = cv2.drawContours(img, contours, i, (255, 255, 255), -1)# 绘制第 i 个轮廓, 内部填充 img = cv2.putText(img, text, (x, y), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 0, 255))cnt = contours[1] moments = cv2.moments(cnt)# 返回字典，几何矩 mpq, 中心矩 mupq 和归一化矩 nupq cx = round(moments['m10'] / moments['m00']) cy = round(moments['m01'] / moments['m00']) cv2.circle(img, (cx, cy), 5, (0, 0, 255), -1)# 在轮廓的质心上绘制圆点 print("Centroid of contour: ({}, {})".format(cx, cy))# 轮廓的垂直矩形边界框 # boundingBoxes = [cv2.boundingRect(cnt) for cnt in contours]# 所有轮廓的外接垂直矩形 x, y, w1, h1 = cv2.boundingRect(cnt)# 矩形左上顶点的坐标 x, y, 矩形宽度 w, 高度 h print("Vertical rectangle: (x,y)={}, (w,h)={}".format((x, y), (w1, h1))) img1 = img.copy() cv2.rectangle(img1, (x, y), (x+w1, y+h1), (0, 0, 255), 2)# 绘制垂直矩形边界框# 轮廓的最小矩形边界框 rect = cv2.minAreaRect(cnt)# 中心点 (x,y), 矩形宽度高度 (w,h), 旋转角度 ang (x, y), (w2, h2), ang = np.int32(rect[0]), np.int32(rect[1]), round(rect[2], 1) box = np.int32(cv2.boxPoints(rect))# 计算旋转矩形的顶点, (4, 2) cv2.drawContours(img1, [box], 0, (0, 0, 255), 2)# # 将旋转矩形视为一个轮廓进行绘制 print("Minimum area rectangle: (Cx,Cy)={}, (w,h)={}, ang={})".format((x, y), (w2, h2), ang)) plt.subplot(232), plt.axis('off'), plt.title("Rectangle bounding") plt.imshow(cv2.cvtColor(img1, cv2.COLOR_BGR2RGB))# 轮廓的最小外接圆 (x, y), r = cv2.minEnclosingCircle(cnt)# 圆心 (x,y), 半径 r Cx, Cy, radius = int(x), int(y), int(r) img2 = img.copy() cv2.circle(img2, (Cx, Cy), radius, (0, 255, 0), 2) print("Minimum circle: (Cx,Cy)=({},{}), r={}".format(Cx, Cy, radius)) plt.subplot(233), plt.axis('off'), plt.title("Circumcircle ") plt.imshow(cv2.cvtColor(img2, cv2.COLOR_BGR2RGB))# 轮廓的最小外接三角形 area, triangle = cv2.minEnclosingTriangle(cnt)# area 三角形面积, triangle 三角形顶点 (3,1,2) intTri = np.int32(triangle) img3 = img.copy() cv2.polylines(img3, [intTri], True, (255, 0, 0), 2) plt.subplot(234), plt.axis('off'), plt.title("Circumscribed triangle") plt.imshow(cv2.cvtColor(img3, cv2.COLOR_BGR2RGB))# 轮廓的拟合椭圆 ellipse = cv2.fitEllipse(cnt)# 椭圆中心点 (x,y), 宽度高度 (w,h), 旋转角度 ang (x, y), (w3, h3), ang = np.int32(ellipse[0]), np.int32(ellipse[1]), round(ellipse[2], 1) print("Fitted ellipse: (Cx,Cy)={}, (w,h)={}, ang={})".format((x, y), (w3, h3), ang)) img4 = img.copy() cv2.ellipse(img4, ellipse, (0, 255, 255), 2) plt.subplot(235), plt.axis('off'), plt.title("Fitted ellipse") plt.imshow(cv2.cvtColor(img4, cv2.COLOR_BGR2RGB))# # 拟合直线 rows, cols = img.shape[:2] [vx, vy, x, y] = cv2.fitLine(cnt, cv2.DIST_L1, 0, 0.01, 0.01) lefty = int((-x * vy/vx) + y) righty = int(((cols - x) * vy/vx) + y) img5 = img.copy() cv2.line(img5, (0,lefty), (cols-1,righty), (255, 0, 0), 2) plt.subplot(236), plt.axis('off'), plt.title("Fitted line") plt.imshow(cv2.cvtColor(img5, cv2.COLOR_BGR2RGB))print("area of contour[1]: ", cv2.contourArea(cnt))# 轮廓的面积 print("area of VerticalRectangle: ", w1*h1)# 轮廓垂直外接矩形的面积 print("area of MinAreaRectangle: ", w2*h2)# 轮廓最小外接矩形的面积 print("area of MinAreaTriangle: ", int(area))# 轮廓最小外接三角形的面积plt.tight_layout() plt.show()

运行结果：

Centroid of contour: (227, 263) Vertical rectangle: (x,y)=(168, 173), (w,h)=(132, 156) Minimum area rectangle: (Cx,Cy)=(215, 267), (w,h)=(178, 106), ang=60.6) Minimum circle: (Cx,Cy)=(246,250), r=89 Fitted ellipse: (Cx,Cy)=(225, 265), (w,h)=(101, 173), ang=155.4) area of contour[1]:9302.5 area of VerticalRectangle:20592 area of MinAreaRectangle:18868 area of MinAreaTriangle:13913

文章图片

【youcans|【youcans 的 OpenCV 例程200篇】199.轮廓的外接边界框】（本节完）

版权声明：
youcans@xupt 原创作品，转载必须标注原文链接：(https://blog.csdn.net/youcans/article/details/125024042)
Copyright 2022 youcans, XUPT
Crated：2022-5-28
欢迎关注『youcans 的 OpenCV 例程 200 篇』系列，持续更新中
欢迎关注『youcans 的 OpenCV学习课』系列，持续更新中
更多内容，请见：
【OpenCV 例程200篇总目录-202206更新】
194.寻找图像轮廓（cv.findContours）
195.绘制图像轮廓（cv.drawContours）
196.图像的矩和不变矩（cv.moments）
197.轮廓的基本特征
198.基于不变矩的形状相似性检测
199.轮廓的外接边界框
200.轮廓的基本属性