OpenCV | 二值图像分析的技巧都在这里
- 2020 年 2 月 21 日
- 筆記
二值图像分析最常见的一个主要方式就是轮廓发现与轮廓分析，其中轮廓发现的目的是为轮廓分析做准备，经过轮廓分析我们可以得到轮廓各种有用的属性信息、常见的如下：
- 轮廓面积
- 轮廓周长
- 轮廓几何矩
- 轮廓的最小外接矩形
- 轮廓的最大外接矩形
- 轮廓的最小外接圆
- 轮廓的最小外接三角形
- 轮廓拟合(支持拟合直线、椭圆、圆)
- 轮廓的凸包
- 轮廓层次信息提取
- 多边形逼近
- 计算欧拉数
函数介绍
OpenCV中提供大量轮廓分析函数，通过这些函数我们可以方便快捷的得到轮廓的各种有用属性信息、高效完成各种二值图像分析需求，下面是我总结的一些常用的函数列表与说明。
OpenCV中轮廓发现函数如下:
void cv::findContours( InputArray image, OutputArrayOfArrays contours, OutputArray hierarchy, int mode, int method, Point offset = Point() )
参数解释如下：
image: 输入图像、八位单通道的，背景为黑色 contours: 得到的轮廓图像 hierarchy: 层次图像，根据需要提取轮廓层次信息 mode: 决定提取到层次信息内容，是多层还是单层 method: 每个轮廓的编码信息 offset: 表示轮廓偏移，默认为0
轮廓分析相关的常用函数
// 计算轮廓面积 double cv::contourArea( InputArray contour, bool oriented = false ) // 计算轮廓周长 double cv::arcLength( InputArray curve, bool closed ) // 计算几何矩与中心距 Moments cv::moments( InputArray array, bool binaryImage = false ) // 计算最小外接矩形 RotatedRect cv::minAreaRect( InputArray points ) // 计算最大外接矩形 Rect cv::boundingRect( InputArray array ) // 计算最小外接圆/拟合圆 void cv::minEnclosingCircle( InputArray points, Point2f & center, float & radius ) // 计算最小外接三角形/拟合三角形 double cv::minEnclosingTriangle( InputArray points, OutputArray triangle ) // 拟合直线 void cv::fitLine( InputArray points, OutputArray line, int distType, double param, double reps, double aeps ) // 拟合椭圆 RotatedRect cv::fitEllipse( InputArray points ) // 计算凸包 void cv::convexHull( InputArray points, OutputArray hull, bool clockwise = false, bool returnPoints = true ) // 多边形逼近-逼近真实形状 void cv::approxPolyDP( InputArray curve, OutputArray approxCurve, double epsilon, bool closed )
灵活使用上述轮廓属性信息，可以实现对二值图像的几何形状判别、测量、面积过滤、获取每个对象的几何属性包括面积、周长、编码点、形状、层次/位置信息、欧拉数、中心位置、倾斜角度。
综合运用代码演示
2020年 以前我分享过一些综合使用的例子，列表如下(都看过你就赢了)：
这里再分享一个硬币计数的例子！
原图如下：
代码如下：
// 加载图像 Mat img = imread("D:/CoinsB.png"); imshow("Original Image", img); // 阈值化操作 Mat gray, binary; cvtColor(img, gray, COLOR_BGR2GRAY); float t = threshold(gray, binary, 0, 255, THRESH_BINARY|THRESH_OTSU); imshow("binary", binary); imwrite("D:/binary1.png", binary); // 形态学操作 Mat se = getStructuringElement(MORPH_RECT, Size(3, 3)); morphologyEx(binary, binary, MORPH_OPEN, se, Point(-1, -1)); // 轮廓发现 vector<Vec4i> hireachy; vector<vector<Point>> contours; bitwise_not(binary, binary); findContours(binary, contours, hireachy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point()); Mat result = img.clone(); Point2f center; float radius; // 轮廓分析 for (size_t t = 0; t < contours.size(); t++) { double area = contourArea(contours[t]); if (area < 1000) { continue; } RotatedRect rrt = fitEllipse(contours[t]); radius = min(rrt.size.width, rrt.size.height)/2.0; circle(result, rrt.center, radius, Scalar(0, 0, 255), 4, 8, 0); Moments mm = moments(contours[t]); double cx = mm.m10 / mm.m00; double cy = mm.m01 / mm.m00; circle(result, Point(cx, cy), 2, Scalar(255, 0, 0), 2, 8, 0); } // 显示结果 imshow("result", result); imwrite("D:/drawing.png", result); waitKey(0);
最终效果如下：
2020年少写废话，觉得不是废话就点赞，做好自己该做的事情就是对自己最好的交待！
