openCV3 图像处理（二）

边界框、最小矩形区域和最小闭圆轮廓

• 实现
  cv2.findContours + OpenCV功能

• cv2.threshold(src, thresh, maxval, type, dst=None)
  threshold 阈值
  功能：当像素值高于阈值时，我们给这个像素赋予一个新值（可能是白色），否则我们给它赋予另一种颜色（也许是黑色）
  参数
  src 源图像（应为灰度图）
  thresh 对像素进行分类的阈值
  maxval 当像素高于thresh时被赋予的新的像素值
  type OpenCV提供的多种不同的阈值方法

	Threshold Binary		即二值化，将大于阈值的灰度值设为最大灰度值，小于阈值的值设为0

	Threshold Binary,Inverted	将大于阈值的灰度值设为0，其他值设为最大灰度值。

	Truncate			将大于阈值的灰度值设为阈值，小于阈值的值保持不变。

	Threshold to Zero		将小于阈值的灰度值设为0，大于阈值的值保持不变。

	Threshold to Zero,Inverted	将大于阈值的灰度值设为0，小于阈值的值保持不变。

• 图像金字塔
  高斯金字塔 拉普拉斯金字塔
  函数
  cv2.pyrDown()
  从一个高分辨率大尺寸图像向上构建 尺寸变小 分辨率降低
  先对图像进行高斯平滑，然后再进行降采样（将图像尺寸行和列方向缩减一半）
  cv2.pyrUp()
  从一个低分辨率小尺寸图像向下构建 尺寸变大 分辨率不会增加
  先对图像进行升采样（将图像尺寸行和列方向增大一倍），然后再进行高斯平滑；

import cv2
import numpy as np

img = cv2.pyrDown(cv2.imread("F:\opencv\chapter3\hammer.jpg",cv2.IMREAD_UNCHANGED))

ret,thresh = cv2.threshold(cv2.cvtColor(img.copy(),
                        cv2.COLOR_BGR2GRAY),127,255,cv2.THRESH_BINARY)  #二值化操作
image,contours,hier = cv2.findContours(thresh,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

for c in contours:
    # 计算简单的边界框
    x,y,w,h = cv2.boundingRect(c)
    # 将轮廓信息转换成（x，y）坐标，并加上矩形的高和宽（w，h）
    cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)

    # 找到最小矩形区域
    rect = cv2.minAreaRect(c)
    box = cv2.boxPoints(rect)
    box = np.int0(box)

    cv2.drawContours(img,[box],0,(0,0,255),3)

    # 检查边界轮廓为最小闭圆
    (x,y),radius = cv2.minEnclosingCircle(c)# 返回一个二元组，圆心坐标组成的元组和圆的半径值
    center = (int(x),int(y))
    radius = int(radius)
    img = cv2.circle(img,center,radius,(0,255,0),2)

cv2.drawContours(img,contours,-1,(255,0,0),1)
cv2.imshow("contours",img)
cv2.waitKey()
cv2.destroyAllWindows()

• 直线检测
  理论基础：Hough变换
  HoughLines(image, rho, theta, threshold, lines=None, srn=None, stn=None, min_theta=None, max_theta=None)

  HoughLinesP(image, rho, theta, threshold, lines=None, minLineLength=None, maxLineGap=None)

  接收一个由Canny边缘检测滤波处理器处理过的单通道二值图像
  实际上输入一个经过去噪并只有边缘的图像就行
  参数
  image 需要处理的图像
  rho 线段几何表示 1
  theta 线段几何表示 np.pi/180
  minLineLength 最小直线长度
  maxLineGap 最大线段间隙

import cv2
import numpy as np
img = cv2.imread('F:\opencv\chapter3\lines.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray,50,120)
# 设置最小直线长度和最大线段间隙
minLineLength = 20
maxLineGap = 5
lines = cv2.HoughLinesP(edges,1,np.pi/180,minLineLength,maxLineGap)
for x1,y1,x2,y2 in lines[0]:
    cv2.line(img,(x1,y1),(x2,y2),(0,255,0),2)
    
cv2.imshow("edges",edges)
cv2.imshow("lines",img)
cv2.waitKey()
cv2.destroyAllWindows()

• 圆检测

HoughCircles(image, method, dp, minDist, circles=None, param1=None, param2=None, minRadius=None, maxRadius=None)
Hough 变换方式，目前只支持CV2.HOUGH_GRADIENT
详细参数见关于霍夫找圆算法cvHoughCircles的参数

import cv2
import numpy as np

planets = cv2.imread('F:\opencv\chapter3\planet_glow.jpg')
gray_img = cv2.cvtColor(planets,cv2.COLOR_BGR2GRAY)
img = cv2.medianBlur(gray_img,5)
cimg = cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)

circles = cv2.HoughCircles(img,cv2.HOUGH_GRADIENT,1,120,
                           param1=100,param2=30,minRadius=0,maxRadius=0)

circles = np.uint16(np.around(circles))

for i in circles[0,:]:
    cv2.circle(planets,(i[0],i[1]),i[2],(0,255,0),2)

    cv2.circle(planets,(i[0],i[1]),2,(0,0,255),3)

cv2.imwrite("planets_circles.jpg",planets)
cv2.imshow("HoughCircles",planets)
cv2.waitKey()
cv2.destroyAllWindows()