Python?OpenCV實(shí)現(xiàn)圖像形狀檢測(cè)
圖像形狀檢測(cè)是計(jì)算機(jī)視覺(jué)領(lǐng)域中的一項(xiàng)關(guān)鍵技術(shù)，廣泛應(yīng)用于工業(yè)自動(dòng)化、機(jī)器人視覺(jué)、醫(yī)學(xué)圖像處理等多個(gè)領(lǐng)域。本文將詳細(xì)介紹如何使用Python和OpenCV庫(kù)實(shí)現(xiàn)圖像形狀檢測(cè)，通過(guò)簡(jiǎn)潔明了的步驟和代碼示例，幫助你快速掌握這一技能。
一、環(huán)境準(zhǔn)備
在開(kāi)始之前，確保你的電腦上已經(jīng)安裝了Python和OpenCV庫(kù)。你可以通過(guò)以下命令來(lái)安裝OpenCV庫(kù)：
pip install opencv-python
同時(shí)，確保你能夠編寫(xiě)和運(yùn)行Python代碼，并熟悉基本的圖像處理概念。
二、讀取和預(yù)處理圖像
讀取圖像
使用OpenCV的cv2.imread()函數(shù)讀取圖像文件。例如，讀取一張包含不同形狀的圖像：
import cv2
# 讀取圖像
img = cv2.imread('shapes.png')
灰度化
將彩色圖像轉(zhuǎn)換為灰度圖像，以簡(jiǎn)化后續(xù)處理。使用cv2.cvtColor()函數(shù)：
# 轉(zhuǎn)換為灰度圖像 gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
濾波去噪
使用高斯模糊來(lái)去除圖像中的噪聲。高斯模糊是一種常用的圖像處理技術(shù)，可以平滑圖像并減少噪聲干擾。使用cv2.GaussianBlur()函數(shù)：
# 高斯模糊 blurred_img = cv2.GaussianBlur(gray_img, (5, 5), 0)
三、邊緣檢測(cè)
邊緣檢測(cè)是形狀檢測(cè)的重要步驟，它可以幫助我們找到圖像中的輪廓。使用Canny邊緣檢測(cè)算法，該算法是一種常用的邊緣檢測(cè)算法，具有良好的邊緣檢測(cè)效果。使用cv2.Canny()函數(shù)：
# Canny邊緣檢測(cè) edges = cv2.Canny(blurred_img, 50, 150)
四、查找輪廓
使用cv2.findContours()函數(shù)查找圖像中的輪廓。該函數(shù)會(huì)返回輪廓點(diǎn)集、層次結(jié)構(gòu)和輪廓的近似方法。我們主要關(guān)注輪廓點(diǎn)集：
# 查找輪廓 contours, hierarchy = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
五、繪制輪廓
為了可視化檢測(cè)到的輪廓，我們可以使用cv2.drawContours()函數(shù)在原圖像上繪制輪廓：
# 繪制輪廓 contour_img = img.copy() cv2.drawContours(contour_img, contours, -1, (0, 255, 0), 2)
六、形狀分類(lèi)
根據(jù)輪廓的頂點(diǎn)數(shù)目、面積、周長(zhǎng)等特征，我們可以對(duì)檢測(cè)到的形狀進(jìn)行分類(lèi)。以下是一個(gè)簡(jiǎn)單的形狀分類(lèi)示例：
for contour in contours:
# 計(jì)算輪廓面積
area = cv2.contourArea(contour)
# 計(jì)算輪廓周長(zhǎng)
perimeter = cv2.arcLength(contour, True)
# 近似輪廓為多邊形
epsilon = 0.02 * perimeter
approx = cv2.approxPolyDP(contour, epsilon, True)
# 獲取輪廓頂點(diǎn)數(shù)目
num_vertices = len(approx)
# 根據(jù)頂點(diǎn)數(shù)目判斷形狀
shape = 'Unknown'
if num_vertices == 3:
shape = 'Triangle'
elif num_vertices == 4:
# 判斷是否為正方形或矩形
x, y, w, h = cv2.boundingRect(approx)
aspect_ratio = w / float(h)
if 0.95 < aspect_ratio < 1.05:
shape = 'Square'
else:
shape = 'Rectangle'
elif num_vertices == 5:
shape = 'Pentagon'
elif num_vertices == 6:
shape = 'Hexagon'
else:
# 對(duì)于頂點(diǎn)數(shù)目大于6的形狀，可以根據(jù)周長(zhǎng)面積比等特征進(jìn)一步分類(lèi)
# 例如，圓形可以通過(guò)周長(zhǎng)面積比接近某個(gè)閾值來(lái)判斷
if 4 * 3.14 * (area / 3.14) ** 0.5 / perimeter > 0.8 and 4 * 3.14 * (area / 3.14) ** 0.5 / perimeter < 1.2:
shape = 'Circle'
else:
shape = 'Other Polygon'
# 在圖像上標(biāo)注形狀名稱和頂點(diǎn)數(shù)目
M = cv2.moments(contour)
if M['m00'] != 0:
cX = int(M['m10'] / M['m00'])
cY = int(M['m01'] / M['m00'])
else:
cX, cY = 0, 0
cv2.putText(contour_img, f'{shape} ({num_vertices} vertices)', (cX - 50, cY - 50), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 0, 0), 2)
cv2.drawContours(contour_img, [approx], -1, (0, 0, 255), 2)七、顯示結(jié)果
最后，使用cv2.imshow()函數(shù)顯示處理后的圖像：
# 顯示結(jié)果圖像
cv2.imshow('Shape Detection', contour_img)
cv2.waitKey(0)
cv2.destroyAllWindows()
八、完整代碼示例
以下是完整的代碼示例，將上述步驟整合在一起：
import cv2
# 讀取圖像
img = cv2.imread('shapes.png')
# 轉(zhuǎn)換為灰度圖像
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 高斯模糊
blurred_img = cv2.GaussianBlur(gray_img, (5, 5), 0)
# Canny邊緣檢測(cè)
edges = cv2.Canny(blurred_img, 50, 150)
# 查找輪廓
contours, hierarchy = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 繪制輪廓并分類(lèi)形狀
contour_img = img.copy()
for contour in contours:
# 計(jì)算輪廓面積
area = cv2.contourArea(contour)
# 計(jì)算輪廓周長(zhǎng)
perimeter = cv2.arcLength(contour, True)
# 近似輪廓為多邊形
epsilon = 0.02 * perimeter
approx = cv2.approxPolyDP(contour, epsilon, True)
# 獲取輪廓頂點(diǎn)數(shù)目
num_vertices = len(approx)
# 根據(jù)頂點(diǎn)數(shù)目判斷形狀
shape = 'Unknown'
if num_vertices == 3:
shape = 'Triangle'
elif num_vertices == 4:
# 判斷是否為正方形或矩形
x, y, w, h = cv2.boundingRect(approx)
aspect_ratio = w / float(h)
if 0.95 < aspect_ratio < 1.05:
shape = 'Square'
else:
shape = 'Rectangle'
elif num_vertices == 5:
shape = 'Pentagon'
elif num_vertices == 6:
shape = 'Hexagon'
else:
# 對(duì)于頂點(diǎn)數(shù)目大于6的形狀，可以根據(jù)周長(zhǎng)面積比等特征進(jìn)一步分類(lèi)
# 例如，圓形可以通過(guò)周長(zhǎng)面積比接近某個(gè)閾值來(lái)判斷
if 4 * 3.14 * (area / 3.14) ** 0.5 / perimeter > 0.8 and 4 * 3.14 * (area / 3.14) ** 0.5 / perimeter < 1.2:
shape = 'Circle'
else:
shape = 'Other Polygon'
# 在圖像上標(biāo)注形狀名稱和頂點(diǎn)數(shù)目
M = cv2.moments(contour)
if M['m00'] != 0:
cX = int(M['m10'] / M['m00'])
cY = int(M['m01'] / M['m00'])
else:
cX, cY = 0, 0
# 繪制形狀名稱和頂點(diǎn)數(shù)目
cv2.putText(contour_img, f'{shape} ({num_vertices} vertices)', (cX - 50, cY - 50), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 0, 0), 2)
# 繪制輪廓（近似多邊形）
cv2.drawContours(contour_img, [approx], -1, (0, 0, 255), 2)
# 顯示結(jié)果圖像
cv2.imshow('Shape Detection', contour_img)
cv2.waitKey(0)
cv2.destroyAllWindows()九、總結(jié)
本文介紹了如何使用Python和OpenCV庫(kù)實(shí)現(xiàn)圖像形狀檢測(cè)。通過(guò)環(huán)境準(zhǔn)備、圖像預(yù)處理、邊緣檢測(cè)、輪廓查找、繪制輪廓及形狀分類(lèi)等步驟，展示了完整的圖像形狀檢測(cè)流程。利用高斯模糊、Canny邊緣檢測(cè)和輪廓近似等技術(shù)，實(shí)現(xiàn)了對(duì)圖像中不同形狀的有效檢測(cè)與分類(lèi)。通過(guò)示例代碼，讀者可以快速掌握?qǐng)D像形狀檢測(cè)的基本方法和技巧，為工業(yè)自動(dòng)化、機(jī)器人視覺(jué)等領(lǐng)域的實(shí)際應(yīng)用提供有力支持。
到此這篇關(guān)于Python OpenCV實(shí)現(xiàn)圖像形狀檢測(cè)的文章就介紹到這了,更多相關(guān)Python OpenCV形狀檢測(cè)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
對(duì)python捕獲ctrl+c手工中斷程序的兩種方法詳解
今天小編就為大家分享一篇對(duì)python捕獲ctrl+c手工中斷程序的兩種方法詳解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-12-12
pycharm?python代碼調(diào)試跳出for循環(huán)問(wèn)題
這篇文章主要介紹了pycharm?python代碼調(diào)試跳出for循環(huán)問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-08-08
20行Python代碼實(shí)現(xiàn)一款永久免費(fèi)PDF編輯工具的實(shí)現(xiàn)
這篇文章主要介紹了20行Python代碼實(shí)現(xiàn)一款永久免費(fèi)PDF編輯工具的實(shí)現(xiàn)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-08-08
Using Django with GAE Python 后臺(tái)抓取多個(gè)網(wǎng)站的頁(yè)面全文
這篇文章主要介紹了Using Django with GAE Python 后臺(tái)抓取多個(gè)網(wǎng)站的頁(yè)面全文,需要的朋友可以參考下2016-02-02
這篇文章主要介紹了Python遞歸生成全排列序列實(shí)操,文章給予Python遞歸的相關(guān)資料展開(kāi)對(duì)全排列序列的實(shí)現(xiàn)介紹，需要的小伙伴可以參考一下2022-04-04
這篇文章主要介紹了Python之如何調(diào)整圖片的文件大小問(wèn)題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。2023-03-03
python numpy中multiply與*及matul 的區(qū)別說(shuō)明
這篇文章主要介紹了python numpy中multiply與*及matul 的區(qū)別說(shuō)明，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2021-05-05
jupyter 實(shí)現(xiàn)notebook中顯示完整的行和列
這篇文章主要介紹了jupyter 實(shí)現(xiàn)notebook中顯示完整的行和列，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-04-04
Python根據(jù)給定模型進(jìn)行特征權(quán)值計(jì)算
在機(jī)器學(xué)習(xí)中,特征權(quán)重的計(jì)算是理解模型如何做出預(yù)測(cè)的重要步驟,本文將詳細(xì)介紹如何使用Python根據(jù)給定模型計(jì)算特征權(quán)重,希望對(duì)大家有一定的幫助2024-11-11
這篇文章主要介紹了python登錄豆瓣并發(fā)帖的方法,涉及URL模擬登陸及cookie的相關(guān)使用技巧,具有一定參考借鑒價(jià)值,需要的朋友可以參考下2015-07-07