allway2

使用 OpenCV 在 Python 中检测图像中的形状

OpenCV 是一个开源库，主要用于处理图像和视频以识别形状、对象、文本等。它主要与 python 一起使用。在本文中，我们将了解如何检测图像中的形状。为此，我们需要OpenCV 的cv2.findContours()函数，并且我们将使用cv2.drawContours()函数在图像上绘制边缘。轮廓是形状的轮廓或边界。

方法

导入模块
导入图片
将其转换为灰度图像
对图像应用阈值，然后找出轮廓。
在轮廓范围内运行一个循环并遍历它。
在这个循环中绘制形状的轮廓（使用 drawContours() ）并找出形状的中心点。
根据检测到的形状有多少个轮廓点对检测到的形状进行分类，并将检测到的形状名称放在形状的中心点。

使用的功能

cv2.findContours()：基本上这个方法找出图像中所有形状的边界点。

语法： cv2.findContours(src, contour_retrieval, contours_approximation)

参数：

src：输入图像 n 维（但在我们的示例中，我们将使用
最首选的 2 维图像。）

轮廓检索：

cv.RETR_EXTERNAL：只检索极端外轮廓

cv.RETR_LIST：检索所有轮廓而不建立任何层次关系。

cv.RETR_TREE：检索所有轮廓并重建嵌套轮廓的完整层次结构。

轮廓近似：

cv.CHAIN_APPROX_NONE：它将存储所有边界点。

cv.CHAIN_APPROX_SIMPLE：它将存储端点的数量（例如，如果是矩形，它将存储4个）

返回值：轮廓点列表

cv2.drawContours() ：此方法绘制轮廓。如果您提供边界点，它也可以绘制形状。

语法： cv.DrawContours(src、contour、contourIndex、color、thickness)

参数：

src： n维图像

轮廓：可以列出轮廓点。

轮廓指数：

-1：绘制所有轮廓

要绘制单个轮廓，我们可以在此处传递索引值

颜色：颜色值

厚度：轮廓的大小

输入：

程序：

Python3

import cv2

import numpy as np

from matplotlib import pyplot as plt

# reading image

img = cv2.imread('shapes.png')

# converting image into grayscale image

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# setting threshold of gray image

_, threshold = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# using a findContours() function

contours, _ = cv2.findContours(

threshold, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

i = 0

# list for storing names of shapes

for contour in contours:

# here we are ignoring first counter because

# findcontour function detects whole image as shape

if i == 0:

i = 1

continue

# cv2.approxPloyDP() function to approximate the shape

approx = cv2.approxPolyDP(

contour, 0.01 * cv2.arcLength(contour, True), True)

# using drawContours() function

cv2.drawContours(img, [contour], 0, (0, 0, 255), 5)

# finding center point of shape

M = cv2.moments(contour)

if M['m00'] != 0.0:

x = int(M['m10']/M['m00'])

y = int(M['m01']/M['m00'])

# putting shape name at center of each shape

if len(approx) == 3:

cv2.putText(img, 'Triangle', (x, y),