个人中心
gpt4 book ai didi

opencv实现图形轮廓检测

转载 作者：qq735679552 更新时间：2022-09-27 22:32:09 30 4
gpt4 key购买 nike

CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章opencv实现图形轮廓检测由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

要想实现轮廓检测，首先我们需要对待检测的图像进行图像处理:

图像灰度化、高斯滤波、Canny 边缘检测、边缘检测放大处理、提取轮廓.

1、实现简单的全图型检测

即只要将drawContours第三个参数设置为-1 既能实现图像的全图型检测.

程序:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
#include <iostream>
#include <opencv2/highgui.hpp> // 说是说gui 具体什么gui 不清楚
#include <opencv2/imgcodecs.hpp> // 图像头文件
#include <opencv2/imgproc.hpp> // 图像处理头文件
using namespace std;
using namespace cv;
/*要进行图像形貌检测之前
  *首先要二值化，再进行滤波处理，再进行Canny边缘检测
  *最后才能检测出图形轮廓
  */
Mat imgGray, imgBlur, imgCanny,imgDil;
void getContours(Mat imgDil,Mat& img);
 
int main()
{
    
 
     string path = "resources/shapes.png" ; // 导入图形的时候，先要在右边点击显示所有文件！！！
     Mat img = imread(path); // 在opencv 中所有的图像信息都使用Mat
 
 
     // pre-processing image  图像预处理
     cvtColor(img, imgGray, COLOR_BGR2GRAY);
     GaussianBlur(imgGray, imgBlur,Size(3,3),3,0); // 高斯滤波
     Canny(imgBlur, imgCanny, 25, 75); // Canny 边缘检测
     Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3)); // 其中 Size 和 边缘检测的放大倍数有关系
     dilate(imgCanny, imgDil, kernel);
 
     getContours(imgDil,img); // 第一个参数 是寻找轮廓的参数， 第二个参数是显示图案的参数
 
     imshow( "Image" , img);
     waitKey(0); // 延时，0即相当于无穷大
}
void getContours(Mat imgDil, Mat& img)
{
     /* contour is a vector inside that vector there is more vector
      * {{Point(20,30),Point(50,60)},{},{}} each vector like a contour and each contour have some points
      *
      **/
     vector<vector<Point>> contours;
     vector<Vec4i> hierarchy; // Vec4i 即代表该向量内有4个 int 变量typedef    Vec<int, 4>   Vec4i;   这四个向量每一层级代表一个轮廓
     findContours(imgDil, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); // CV_CHAIN_APPROX_SIMPLE - 简单的链式接近法
     drawContours(img, contours, -1, Scalar(255,0,255),2); // contouridx = -1 代表需要绘制所检测的所有轮廓
   }

运行结果:

opencv实现图形轮廓检测

细心的读者会发现，该程序还将微小的瑕疵检测到了.

2、去除轮廓瑕疵

去除瑕疵的方法很简单，即先检测所有图形的面积，发现图形中的最小面积，即为瑕疵面积（假设我们已知该瑕疵面积<1000），之后使用if进行面积过滤.

程序:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
#include <iostream>
#include <opencv2/highgui.hpp> // 说是说gui 具体什么gui 不清楚
#include <opencv2/imgcodecs.hpp> // 图像头文件
#include <opencv2/imgproc.hpp> // 图像处理头文件
using namespace std;
using namespace cv;
/*要进行图像形貌检测之前
  *首先要二值化，再进行滤波处理，再进行Canny边缘检测
  *最后才能检测出图形轮廓
  */
Mat imgGray, imgBlur, imgCanny,imgDil;
void getContours(Mat imgDil,Mat& img);
 
int main()
{
    
 
     string path = "resources/shapes.png" ; // 导入图形的时候，先要在右边点击显示所有文件！！！
     Mat img = imread(path); // 在opencv 中所有的图像信息都使用Mat
 
 
     // pre-processing image  图像预处理
     cvtColor(img, imgGray, COLOR_BGR2GRAY);
     GaussianBlur(imgGray, imgBlur,Size(3,3),3,0); // 高斯滤波
     Canny(imgBlur, imgCanny, 25, 75); // Canny 边缘检测
     Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3)); // 其中 Size 和 边缘检测的放大倍数有关系
     dilate(imgCanny, imgDil, kernel);
 
     getContours(imgDil,img); // 第一个参数 是寻找轮廓的参数， 第二个参数是显示图案的参数
 
     imshow( "Image" , img);
     waitKey(0); // 延时，0即相当于无穷大
}
void getContours(Mat imgDil, Mat& img)
{
     /* contour is a vector inside that vector there is more vector
      * {{Point(20,30),Point(50,60)},{},{}} each vector like a contour and each contour have some points
      *
      **/
     vector<vector<Point>> contours;
     vector<Vec4i> hierarchy; // Vec4i 即代表该向量内有4个 int 变量typedef    Vec<int, 4>   Vec4i;   这四个向量每一层级代表一个轮廓
     findContours(imgDil, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); // CV_CHAIN_APPROX_SIMPLE - 简单的链式接近法
     drawContours(img, contours, -1, Scalar(255,0,255),2); // contouridx = -1 代表需要绘制所检测的所有轮廓
 
     for ( int i = 0;i <contours.size();i++)
     {
          int area = contourArea(contours[i]) ; // 计算轮廓面积函数
          if (area > 1000)
          {
              drawContours(img,contours,i,Scalar(255, 0, 255), 2);
          }
     }
   }

运行结果:

opencv实现图形轮廓检测

可见我们已经成功将瑕疵滤除.

3、判断轮廓形状

判断轮廓之前，我们先要将图形的拐角点计算出来，如三角形有三个拐角点，矩形有四个拐角点，圆形有多个拐角点，所以如何得到拐角点是我们检测轮廓形状的前提。检测拐角的核心函数为approxPolyDP(contours[i],conpoly[i],0.02* peri,true);即多边形拟合函数.

程序:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
#include <iostream>
#include <opencv2/highgui.hpp> // 说是说gui 具体什么gui 不清楚
#include <opencv2/imgcodecs.hpp> // 图像头文件
#include <opencv2/imgproc.hpp> // 图像处理头文件
using namespace std;
using namespace cv;
/*要进行图像形貌检测之前
  *首先要二值化，再进行滤波处理，再进行Canny边缘检测
  *最后才能检测出图形轮廓
  */
Mat imgGray, imgBlur, imgCanny,imgDil;
void getContours(Mat imgDil,Mat& img);
 
int main()
{
    
 
     string path = "resources/shapes.png" ; // 导入图形的时候，先要在右边点击显示所有文件！！！
     Mat img = imread(path); // 在opencv 中所有的图像信息都使用Mat
 
 
     // pre-processing image  图像预处理
     cvtColor(img, imgGray, COLOR_BGR2GRAY);
     GaussianBlur(imgGray, imgBlur,Size(3,3),3,0); // 高斯滤波
     Canny(imgBlur, imgCanny, 25, 75); // Canny 边缘检测
     Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3)); // 其中 Size 和 边缘检测的放大倍数有关系
     dilate(imgCanny, imgDil, kernel);
 
     getContours(imgDil,img); // 第一个参数 是寻找轮廓的参数， 第二个参数是显示图案的参数
 
     imshow( "Image" , img);
     //imshow("Image Gray", imgGray);
     //imshow("Image Blur", imgBlur);
     //imshow("Image Canny", imgCanny);
     //imshow("Image Dilate", imgDil); // 图像放大之后的边缘检测效果要明显好于 Canny 边缘检测，这也是为什么大佬热衷于dilation的原因
     waitKey(0); // 延时，0即相当于无穷大
}
// 因为一开始参数不同，所以电脑直接将其视为重载函数
void getContours(Mat imgDil, Mat& img)
{
     /* contour is a vector inside that vector there is more vector
      * {{Point(20,30),Point(50,60)},{},{}} each vector like a contour and each contour have some points
      *
      **/
     vector<vector<Point>> contours;
     vector<Vec4i> hierarchy; // Vec4i 即代表该向量内有4个 int 变量typedef    Vec<int, 4>   Vec4i;   这四个向量每一层级代表一个轮廓
     findContours(imgDil, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); // CV_CHAIN_APPROX_SIMPLE - 简单的链式接近法
     //drawContours(img, contours, -1, Scalar(255,0,255),2); // contouridx = -1 代表需要绘制所检测的所有轮廓
    
     vector<vector<Point>> conpoly(contours.size()); // conpoly(paprameter1) ,paprameter1便代表vector对象的行数，而其列数中的vector 是使用了point点集但其只包含图形的拐角点集
     vector<Rect> boundRect(contours.size()); // Rect 类中x y 函数描述的是图形左上角的坐标
     string objType; // 记录物体形状
     // 为了滤除微小噪声，因此计算area 的面积
     for ( int i = 0; i < contours.size(); i++) // 关于contours.size()为什么是返回二维数组的行，因为 vector::size()函数只接受vector 对象的调用而contours的所有行(不管列)均为其对象
     {
         int area = contourArea(contours[i]);
        
         if (area > 1000)
         {
             float peri = arcLength(contours[i], true ); // 该函数计算轮廓的长度，后面的bool值表面轮廓曲线是否闭合若为true 则轮廓曲线闭合
             //寻找角点
             // conpoly 同样为轮廓点集但它第二个数组中只有1-9个参数为了描述各个轮廓的拐角点
             approxPolyDP(contours[i],conpoly[i],0.02* peri, true ); //  conpoly[i]是输出array   0.02*peri 这个参数理解不了就不要理解！！！ 最后一个参数仍然是询问是否闭合
             cout << conpoly[i].size() << endl; // 输出图像轮廓中的拐角点
             boundRect[i] = boundingRect(conpoly[i]); // 针对conpoly[i] 进行boundingRect 以
             drawContours(img, conpoly, i, Scalar(255, 0, 255), 2);
             //rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5);
         }
 
            
     }
}

运行结果:

opencv实现图形轮廓检测

当检测出所有图形都应具有拐角点数之后，在加个if 判断图形的点数，之后通过puttext函数去显示，图形的形状.

程序:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
#include <iostream>
#include <opencv2/highgui.hpp> // 说是说gui 具体什么gui 不清楚
#include <opencv2/imgcodecs.hpp> // 图像头文件
#include <opencv2/imgproc.hpp> // 图像处理头文件
using namespace std;
using namespace cv;
/*要进行图像形貌检测之前
  *首先要二值化，再进行滤波处理，再进行Canny边缘检测
  *最后才能检测出图形轮廓
  */
Mat imgGray, imgBlur, imgCanny,imgDil;
void getContours(Mat imgDil,Mat& img);
 
int main()
{
    
 
     string path = "resources/shapes.png" ; // 导入图形的时候，先要在右边点击显示所有文件！！！
     Mat img = imread(path); // 在opencv 中所有的图像信息都使用Mat
 
 
     // pre-processing image  图像预处理
     cvtColor(img, imgGray, COLOR_BGR2GRAY);
     GaussianBlur(imgGray, imgBlur,Size(3,3),3,0); // 高斯滤波
     Canny(imgBlur, imgCanny, 25, 75); // Canny 边缘检测
     Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3)); // 其中 Size 和 边缘检测的放大倍数有关系
     dilate(imgCanny, imgDil, kernel);
 
     getContours(imgDil,img); // 第一个参数 是寻找轮廓的参数， 第二个参数是显示图案的参数
 
     imshow( "Image" , img);
     //imshow("Image Gray", imgGray);
     //imshow("Image Blur", imgBlur);
     //imshow("Image Canny", imgCanny);
     //imshow("Image Dilate", imgDil); // 图像放大之后的边缘检测效果要明显好于 Canny 边缘检测，这也是为什么大佬热衷于dilation的原因
     waitKey(0); // 延时，0即相当于无穷大
}
// 因为一开始参数不同，所以电脑直接将其视为重载函数
void getContours(Mat imgDil, Mat& img)
{
     /* contour is a vector inside that vector there is more vector
      * {{Point(20,30),Point(50,60)},{},{}} each vector like a contour and each contour have some points
      *
      **/
     vector<vector<Point>> contours;
     vector<Vec4i> hierarchy; // Vec4i 即代表该向量内有4个 int 变量typedef    Vec<int, 4>   Vec4i;   这四个向量每一层级代表一个轮廓
     findContours(imgDil, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); // CV_CHAIN_APPROX_SIMPLE - 简单的链式接近法
     //drawContours(img, contours, -1, Scalar(255,0,255),2); // contouridx = -1 代表需要绘制所检测的所有轮廓
    
     vector<vector<Point>> conpoly(contours.size()); // conpoly(paprameter1) ,paprameter1便代表vector对象的行数，而其列数中的vector 是使用了point点集但其只包含图形的拐角点集
     vector<Rect> boundRect(contours.size()); // Rect 类中x y 函数描述的是图形左上角的坐标
     string objType; // 记录物体形状
     // 为了滤除微小噪声，因此计算area 的面积
     for ( int i = 0; i < contours.size(); i++) // 关于contours.size()为什么是返回二维数组的行，因为 vector::size()函数只接受vector 对象的调用而contours的所有行(不管列)均为其对象
     {
         int area = contourArea(contours[i]);
        
         if (area > 1000)
         {
             float peri = arcLength(contours[i], true ); // 该函数计算轮廓的长度，后面的bool值表面轮廓曲线是否闭合若为true 则轮廓曲线闭合
             //寻找角点
             // conpoly 同样为轮廓点集但它第二个数组中只有1-9个参数为了描述各个轮廓的拐角点
             approxPolyDP(contours[i],conpoly[i],0.02* peri, true ); //  conpoly[i]是输出array   0.02*peri 这个参数理解不了就不要理解！！！ 最后一个参数仍然是询问是否闭合
             //drawContours(img, contours , i, Scalar(255, 0, 255), 2);
              // 通过conpoly 而绘制的轮廓中只存在程序认为应该存在的点
             cout << conpoly[i].size() << endl; // 输出图像轮廓中的拐角点
             boundRect[i] = boundingRect(conpoly[i]); // 针对conpoly[i] 进行boundingRect 以便拟合相切矩形
             //rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5); // 使用
            
             int objCor = ( int )conpoly[i].size(); // 计算物体边角数
             if (3 == objCor) objType = "Triangle" ;
             else
                 if (4 == objCor)
                 {   // 计算float对象，一定要记得使用 float 强转符号
                     float aspRatio = ( float )boundRect[i].width/( float )boundRect[i].height;
                     if (aspRatio<1.05 && aspRatio>0.95)
                          objType = "Square" ;
                     else objType = "Rectangle" ;
                 }
             else if (objCor > 4) objType = "Circle" ;
 
             putText(img, objType, Point(boundRect[i].x, boundRect[i].y-5), FONT_HERSHEY_PLAIN, 1, Scalar(0, 69, 255), 1);
             drawContours(img, conpoly, i, Scalar(255, 0, 255), 2);
             //rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5);
         }
 
            
     }
}

运行结果:

opencv实现图形轮廓检测

4、给被检测图形套上一个检测框

核心函数，使用rectangle（）进行矩形绘画.

程序:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
#include <iostream>
#include <opencv2/highgui.hpp> // 说是说gui 具体什么gui 不清楚
#include <opencv2/imgcodecs.hpp> // 图像头文件
#include <opencv2/imgproc.hpp> // 图像处理头文件
using namespace std;
using namespace cv;
/*要进行图像形貌检测之前
  *首先要二值化，再进行滤波处理，再进行Canny边缘检测
  *最后才能检测出图形轮廓
  */
Mat imgGray, imgBlur, imgCanny,imgDil;
void getContours(Mat imgDil,Mat& img);
 
int main()
{
    
 
     string path = "resources/shapes.png" ; // 导入图形的时候，先要在右边点击显示所有文件！！！
     Mat img = imread(path); // 在opencv 中所有的图像信息都使用Mat
 
 
     // pre-processing image  图像预处理
     cvtColor(img, imgGray, COLOR_BGR2GRAY);
     GaussianBlur(imgGray, imgBlur,Size(3,3),3,0); // 高斯滤波
     Canny(imgBlur, imgCanny, 25, 75); // Canny 边缘检测
     Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3)); // 其中 Size 和 边缘检测的放大倍数有关系
     dilate(imgCanny, imgDil, kernel);
 
     getContours(imgDil,img); // 第一个参数 是寻找轮廓的参数， 第二个参数是显示图案的参数
 
     imshow( "Image" , img);
     //imshow("Image Gray", imgGray);
     //imshow("Image Blur", imgBlur);
     //imshow("Image Canny", imgCanny);
     //imshow("Image Dilate", imgDil); // 图像放大之后的边缘检测效果要明显好于 Canny 边缘检测，这也是为什么大佬热衷于dilation的原因
     waitKey(0); // 延时，0即相当于无穷大
}
// 因为一开始参数不同，所以电脑直接将其视为重载函数
void getContours(Mat imgDil, Mat& img)
{
     /* contour is a vector inside that vector there is more vector
      * {{Point(20,30),Point(50,60)},{},{}} each vector like a contour and each contour have some points
      *
      **/
     vector<vector<Point>> contours;
     vector<Vec4i> hierarchy; // Vec4i 即代表该向量内有4个 int 变量typedef    Vec<int, 4>   Vec4i;   这四个向量每一层级代表一个轮廓
     findContours(imgDil, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); // CV_CHAIN_APPROX_SIMPLE - 简单的链式接近法
     //drawContours(img, contours, -1, Scalar(255,0,255),2); // contouridx = -1 代表需要绘制所检测的所有轮廓
    
     vector<vector<Point>> conpoly(contours.size()); // conpoly(paprameter1) ,paprameter1便代表vector对象的行数，而其列数中的vector 是使用了point点集但其只包含图形的拐角点集
     vector<Rect> boundRect(contours.size()); // 记录各图形的拟合矩形
     string objType; // 记录物体形状
     // 为了滤除微小噪声，因此计算area 的面积
     for ( int i = 0; i < contours.size(); i++) // 关于contours.size()为什么是返回二维数组的行，因为 vector::size()函数只接受vector 对象的调用而contours的所有行(不管列)均为其对象
     {
         int area = contourArea(contours[i]);
        
         if (area > 1000)
         {
             float peri = arcLength(contours[i], true ); // 该函数计算轮廓的长度，后面的bool值表面轮廓曲线是否闭合若为true 则轮廓曲线闭合
             //寻找角点
             // conpoly 同样为轮廓点集但它第二个数组中只有1-9个参数为了描述各个轮廓的拐角点
             approxPolyDP(contours[i],conpoly[i],0.02* peri, true ); //  conpoly[i]是输出array   0.02*peri 这个参数理解不了就不要理解！！！ 最后一个参数仍然是询问是否闭合
             //drawContours(img, contours , i, Scalar(255, 0, 255), 2);
              // 通过conpoly 而绘制的轮廓中只存在程序认为应该存在的点
             cout << conpoly[i].size() << endl; // 输出图像轮廓中的拐角点
             boundRect[i] = boundingRect(conpoly[i]); // 针对conpoly[i] 进行boundingRect 以便拟合相切矩形
             //rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5); // 使用
            
             int objCor = ( int )conpoly[i].size(); // 计算物体边角数
             if (3 == objCor) objType = "Triangle" ;
             else
                 if (4 == objCor)
                 {   // 计算float对象，一定要记得使用 float 强转符号
                     float aspRatio = ( float )boundRect[i].width/( float )boundRect[i].height;
                     if (aspRatio<1.05 && aspRatio>0.95)
                          objType = "Square" ;
                     else objType = "Rectangle" ;
                 }
             else if (objCor > 4) objType = "Circle" ;
 
             putText(img, objType, Point(boundRect[i].x, boundRect[i].y-5), FONT_HERSHEY_PLAIN, 1, Scalar(0, 69, 255), 1);
             drawContours(img, conpoly, i, Scalar(255, 0, 255), 2);
             rectangle(img, boundRect[i].tl(), boundRect[i].br(), Scalar(0, 255, 0), 5);
         }
 
            
     }
}

运行结果:

opencv实现图形轮廓检测

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家.

原文链接：https://blog.csdn.net/qq_42138448/article/details/115692013 。

最后此篇关于opencv实现图形轮廓检测的文章就讲到这里了,如果你想了解更多关于opencv实现图形轮廓检测的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。

30 4 0
文章推荐： opencv实现颜色检测
文章推荐： Android编程实现监控apk安装，卸载，替换的方法
文章推荐： TypeScript 中 Const 和 Readonly 的区别？枚举和常量枚举的区别？
文章推荐： 说说React服务端渲染怎么做？原理是什么？
qq735679552
个人简介

我是一名优秀的程序员,十分优秀！

滴滴打车优惠券免费领取
滴滴打车优惠券
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com