python进行轮廓拟合

问题描述

计算上一篇博客中提取到的每个红色五角星的重心以及面积，然后以取决于面积的值作为边长，对五角星画一个正方形进行轮廓拟合，比较和使用函数进行轮廓拟合的效果

---

轮廓拟合

对每个五角星计算重心和面积，这里计算重心时利用到之前的标号信息，将属于同一标号的像素坐标得到，然后放入np.array中通过使用np.mean得到重心的位置，计算面积时是统计每个实体的像素点个数，最后得到的结果如下：

# 计算重心和面积
core_point = []
areas = np.zeros(num + 1, dtype=np.int32)
points = []
for i in range(num+1):
    points.append([])
for i in range(h):
    for j in range(w):
        for u in range(1, num+1):
            if img_flag[i][j] == u:
                points[u].append([i, j])
        areas[img_flag[i][j]] += 1

# 得到重心
for i in range(1, num+1):
    tem_point = np.mean(np.asarray(points[i]), axis=0).astype(np.int32)
    core_point.append(tem_point)
    print('第' + str(i) + '个五角星的重心为：' + str(core_point[i-1]))
    print('第' + str(i) + '个五角星的面积为：' + str(areas[i]))

之后再进行轮廓的拟合，首先是利用重心和面积来拟合，这里先通过面积开平方来得到轮廓的边长，然后通过重心的坐标减去边长的一半得到起始绘制点的x和y坐标，再利用重心坐标加上边长的一边得到终止绘制点的坐标，这样就完成了通过重心和面积绘制的过程。接着利用cv2.findContours + cv2.boundingRect对图像进行绘制，得到的结果分别是

# 根据重心和面积绘制轮廓
x = []
img3 = pro_img.copy()
for i in range(num):
    l = int(math.sqrt(areas[i+1]) / 2)
    x.append([int(core_point[i][0])-l, int(core_point[i][1])-l, 2*l])
    cv2.rectangle(img3, (x[i][1], x[i][0]), (x[i][1] + x[i][2], x[i][0] + x[i][2]), (127, 0, 0), 2)  # 在img3中绘制矩形边框，并注明轮廓颜色与粗细

使用函数得到的结果为下图，通过结果可以看出两种方式的绘制结果有所不同，利用函数绘所绘制的轮廓包围了图像的所有像素点，而利用面积和重心的方式绘制的轮廓仅包含了图像中间一部分，并没有将所有的像素点进行包围。所以二者绘制的轮廓面积有所不同，关注点也有所不同，利用函数绘制目的是将图像全部包围，而利用面积和重心是有选择性的包围最中心的一部分，绘制的面积更小，关注点主要是图像的中心。

# 利用cv2.findContours + cv2.boundingRect绘制轮廓
contours, hierarchy = cv2.findContours(pro_img, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)  # 查找检测物体的轮廓，cv2.RETR_TREE检测所有轮廓，并将轮廓记录到contours
img4 = pro_img.copy()
for i in range(len(contours)):
    x, y, w, h = cv2.boundingRect(contours[i])                      # 矩形轮廓拟合，采用第0层轮廓，返回矩阵左上点坐标与矩阵的宽和高
    cv2.rectangle(img4, (x, y), (x + w, y + h), (255, 0, 0), 5)     # 在img4中绘制矩形边框，并注明轮廓颜色与粗细
cv2.imshow('func_rectangle', img4)