《深度学习》OpenCV轮廓检测 轮廓近似 解析及实现
目录
一、轮廓近似
1、什么是轮廓近似
2、参数解析
1）用法
2）参数
3）返回值
4）代码解析及实现
运行结果为：
二、总结
1、概念
2、轮廓近似的步骤：
一、轮廓近似
1、什么是轮廓近似
指对轮廓进行逼近或拟合，得到近似的轮廓。在图像处理中，轮廓表示了图像中物体的边界，因此轮廓近似可以用来描述和识别物体的形状。
2、参数解析
1）用法
import cv2
approx =cv2.approxPolyDP(curve,epsilon, closed)2）参数
• curve：表示要输入的轮廓
• epsilon: 表示近似的精度，即两个轮廓之间最大欧氏距离，该参数越小，得到的近似结果越接近实际轮廓，反之得到的近似结果会更加粗糙
• closed：表示布尔类型的参数，表示是否封闭轮廓，如果是True，表示输入的轮廓是封闭的，近似结果也会是封闭的，否则表示输入的轮廓不是封闭的，近似结果也不会封闭
3）返回值
approx：表示近似结果，是一个ndarray数组，为一个近似后的轮廓，包含了被近似出来的轮上的点的坐标
4）代码解析及实现
import cv2
img = cv2.imread('phone.png') # 导入原图
phone_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) # 原图转换为灰度图
ret,phone_thresh = cv2.threshold(phone_gray,100,25,cv2.THRESH_BINARY) # 二值化,将大于100灰度值的像素更改为0，小于100像素值的更改为25
# 返回值ret为阈值，phone_thresh为二值化后的图像
image, contours, hierarchy = cv2.findContours(phone_thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE) # 将二值化后的图像进行获取轮廓处理
# 轮廓检测方式为cv2.RETR_TREE，返回所有轮廓及完整层次结构，CV2.CHAIN_APPROX_NONE为存储所有的轮廓点
epsilon = 0.001 * cv2.arcLength(contours[0],True) # 设置近似值,计算轮廓为contours[0]的周长，参数true表示轮廓为封闭的，0.001表示精度，计算的结果越小，近似的精度越高
approx = cv2.approxPolyDP(contours[0],epsilon,True) # 对轮廓进行近似，轮廓号为contours[0]，近似的精度为epsilon，封闭轮廓
phone_new = img.copy() # 对原图生成一个副本
image_contours = cv2.drawContours(phone_new, [approx],contourIdx=-1,color=(0,255,0),thickness=3) # 在副本图像上进行绘制轮廓，[approx]表示要回值得轮廓，contourIdx=-1表示绘制所有的轮廓
cv2.imshow('phone',img) # 展示原图
cv2.waitKey(0)
cv2.imshow('image_contours',image_contours) # 展示绘制轮廓的近似图像
cv2.waitKey(0)运行结果为：
前者为原图，后者为在原图副本上进行绘制轮廓
二、总结
1、概念
轮廓检测是指从图像中提取出对象的边界。它基于图像的边缘信息，通过对图像进行二值化处理，找到图像中的连通区域，然后提取出每个连通区域的边界轮廓。
轮廓近似是指对提取出的轮廓进行简化，以减少轮廓点的数量。这在某些情况下很有用，比如当我们只关心轮廓的形状而不关心细节时，可以用较少的点来表示轮廓，从而减少计算量。
OpenCV提供了多种轮廓近似的方法，包括Douglas-Peucker算法和Ramer-Douglas-Peucker算法。这些算法都是基于分治的思想，通过递归地将曲线分割为多个小段，并将每个小段用直线段来近似表示。
2、轮廓近似的步骤：
- 首先，需要通过轮廓检测得到对象的轮廓。
- 然后，使用OpenCV的approxPolyDP函数对轮廓进行近似。
- approxPolyDP函数需要传入多个参数，其中最重要的是epsilon参数，它控制了近似的精度。较大的epsilon值会得到较少的点，较小的epsilon值会得到更多的点。
- 最后，可以通过绘制轮廓的近似结果来观察近似的效果。
总的来说，OpenCV的轮廓检测和轮廓近似功能可以帮助我们提取图像中对象的边界，并对边界进行简化表示。这对于图像分析、物体识别和计算机视觉任务等方面都非常有用。