这篇文章给大家分享的是有关OpenCV-Python如何获取凸包角点的内容。小编觉得挺实用的,因此分享给大家做个参考,一起跟随小编过来看看吧。
逼近多边形是某个图像轮廓的高度近似,而凸包的提出是为了简化逼近多边形的。其实,凸包跟逼近多边形很像,只不过它是物体最外层的“凸”多边形。
简单的概括,凸包是指完全包含原有轮廓,并且仅由轮廓上的点所构成的多边形。凸包的特点是每一处都是凸的,即在凸包内连接任意两点的直线都在凸包的内部,并且任意连续3个点的内角小于180度。
在OpenCV中,它给我们提供cv2.convexHull()来获取轮廓的凸包。其完整定义如下:
def convexHull(points, hull=None, clockwise=None, returnPoints=None):
points:轮廓
hull:返回值,为凸包角点。可以理解为多边形的点坐标,或索引。
clockwise:布尔类型,为True时,凸包角点将按顺时针方向排列;为False时,为逆时针。
returnPoints:布尔类型,默认值True,函数返回凸包角点的x/y坐标;为False时,函数返回轮廓中凸包角点的索引。
既然,我们已经了解了凸包的作用,并且理解了OpenCV提供的函数。下面,我们随便选取一张图,获取凸包角点。具体代码如下所示:
import cv2 img = cv2.imread("24.jpg") cv2.imshow("img", img) # 转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE) hull=cv2.convexHull(contours[0]) print(hull)
这里,我们随便获取了一张图像,并获取其凸包的角点。运行之后,角点坐标如下:
如果修改参数returnPoints为False,会返回对应的6个索引值。
这里我们再添加一行代码就可以绘制凸包多边形了,具体添加的代码如下:
#获取hull之后 cv2.polylines(img, [hull], True, (0, 255, 0), 2) cv2.imshow("img1", img)
运行之后,效果如下所示:
凸包与轮廓之间的部分我们称之为凸缺陷。在OpenCV中使用函数cv2.convexityDefects()获取凸缺陷,其完整定义如下:
def convexityDefects(contour, convexhull, convexityDefects=None):
contour:轮廓
convexhull:凸包
convexityDefects:返回值,为凸缺陷点集。它是一个数组,返回的指包括[起点,终点,轮廓上的距离凸包最远点,最远点到凸包的近似距离]
特别注意,用该函数计算凸缺陷之前,我们需要使用函数cv2.convexHull()获取凸包,但其参数returnPoints必须为False。
下面,我们来使用该函数计算上图的凸缺陷。代码如下:
import cv2 img = cv2.imread("24.jpg") cv2.imshow("img", img) # 转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE) hull = cv2.convexHull(contours[0], returnPoints=False) defects = cv2.convexityDefects(contours[0], hull) print(defects) for i in range(defects.shape[0]): s, e, f, d = defects[i, 0] start = tuple(contours[0][s][0]) end = tuple(contours[0][e][0]) far = tuple(contours[0][f][0]) cv2.line(img, start, end, [0, 255, 0], 2) cv2.circle(img, far, 5, [0, 0, 255], -1) cv2.imshow("img1", img) cv2.waitKey() cv2.destroyAllWindows()
运行之后,效果如下:
如上图所示,我们用点标记出来的凸缺陷,可以看到五角星的每个凹肩都是凸缺陷。
最后可以扩展以下,其中OpenCV提供函数cv2.isContourConvex()来判断轮廓是否是凸形的。同时,也提供了cv2.pointPolygonTest()函数来计算点到多边形(轮廓)的最短距离,也就是垂线距离,这个计算由称为点和多边形的关系测试。感兴趣的读者可以自己实验这两个方函数。
接下来,我们将介绍一张稍微难一点的图片——手势图片(finger.jpg),如下所示:
我们将会来寻找这个手势的凸包。基本的处理思路还是和之前的一致,只是要在二值化以及凸包点集集合的大小上做一些处理,取二值化的阈值为235,凸包点集中的点个数大于5,完整的Python代码如下:
import cv2 # 读取图片并转至灰度模式 imagepath = 'F://finger.jpg' img = cv2.imread(imagepath, 1) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 二值化,取阈值为235 ret, thresh = cv2.threshold(gray, 235, 255, cv2.THRESH_BINARY) # 寻找图像中的轮廓 image, contours, hierarchy = cv2.findContours(thresh, 2, 1) # 寻找物体的凸包并绘制凸包的轮廓 for cnt in contours: hull = cv2.convexHull(cnt) length = len(hull) # 如果凸包点集中的点个数大于5 if length > 5: # 绘制图像凸包的轮廓 for i in range(length): cv2.line(img, tuple(hull[i][0]), tuple(hull[(i+1)%length][0]), (0,0,255), 2) cv2.imshow('finger', img) cv2.waitKey()
检测到的凸包如下图所示:
可以发现,一共检测到2个凸包,一个是整个手势外围的凸包,正好包围整个手,另一个是两个手指形成的内部的图形,类似于O的凸包,这符合我们的预期。
感谢各位的阅读!关于“OpenCV-Python如何获取凸包角点”这篇文章就分享到这里了,希望以上内容可以对大家有一定的帮助,让大家可以学到更多知识,如果觉得文章不错,可以把它分享出去让更多的人看到吧!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。