|
8 | 8 | 凸包-凸性检测-边界矩形-最小外接圆-拟合.py: |
9 | 9 | """ |
10 | 10 | import cv2 |
| 11 | +import numpy as np |
11 | 12 |
|
| 13 | +img=cv2.imread('../data/lightning.png',0) |
| 14 | + |
| 15 | +image, contours, hierarchy = cv2.findContours(img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) |
| 16 | + |
| 17 | +cnt=contours[0] |
12 | 18 | ''' |
13 | 19 | 函数 cv2.convexHull() 可以用来检测一个曲线是否具有凸性缺 并能纠 正缺 。一般来 凸性曲线总是凸出来的 至少是平的。如果有地方凹 去 了就 叫做凸性缺 |
14 | 20 | 例如下图中的手。红色曲线显示了手的凸包 凸性缺 双箭头标出来了。 |
|
30 | 36 |
|
31 | 37 | # 边界矩形 |
32 | 38 | ''' |
33 | | -直边界矩形 一个直矩形 就是没有旋 的矩形 。它不会考虑对象是否旋转。 所以边界矩形的 积不是最小的。可以使用函数 cv2.boundingRect() 查 找得到。 |
| 39 | +直边界矩形 一个直矩形 就是没有旋转的矩形 。它不会考虑对象是否旋转。 所以边界矩形的 积不是最小的。可以使用函数 cv2.boundingRect() 查 找得到。 |
34 | 40 | x y 为矩形左上角的坐标 w h 是矩形的宽和 。 |
35 | 41 | ''' |
36 | 42 | x, y, w, h = cv2.boundingRect(cnt) |
37 | 43 | img = cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2) |
38 | 44 |
|
39 | 45 | ''' |
40 | | -旋 的 界矩形 个 界矩形是 积最小的 因为它考 了对 的旋 。用 到的函数为 cv2.minAreaRect()。 回的是一个 Box2D 结构 其中包含 矩形左上 点的坐标 x y 矩形的宽和 w h 以及旋 度。但是 绘制 个矩形 矩形的 4 个 点 可以 函数 cv2.boxPoints() 获 得。 |
| 46 | +旋转矩形 |
| 47 | +这里，以最小面积绘制边界矩形，因此也考虑旋转。使用的功能是cv2.minAreaRect（）。它返回一个Box2D结构，其中包含以下条件 - （中心（x，y），（宽度，高度），旋转角度）。但是要绘制这个矩形，我们需要矩形的四个角。它是通过函数cv2.boxPoints（） |
41 | 48 | ''' |
42 | | -x, y, w, h = cv2.boundingRect(cnt) |
43 | | -img = cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2) |
| 49 | +rect = cv2.minAreaRect(cnt) |
| 50 | +box = cv2.boxPoints(rect) |
| 51 | +box = np.int0(box) |
| 52 | +cv2.drawContours(img,[box],0,(0,0,255),2) |
44 | 53 |
|
45 | 54 | # 最小外接圆 |
46 | 55 | # 函数 cv2.minEnclosingCircle() 可以帮我们找到一个对 的外切圆。它是所有能够包括对 的圆中 积最小的一个。 |
|
52 | 61 | # 椭圆拟合 |
53 | 62 | # 使用的函数为 cv2.ellipse() 回值其实就是旋 界矩形的内切圆 |
54 | 63 | ellipse = cv2.fitEllipse(cnt) |
55 | | -im = cv2.ellipse(im, ellipse, (0, 255, 0), 2) |
| 64 | +im = cv2.ellipse(img, ellipse, (0, 255, 0), 2) |
56 | 65 |
|
57 | 66 | # 直线拟合 |
58 | 67 | # 我们可以根据一组点拟合出一条直线 同样我们也可以为图像中的白色点 拟合出一条直线。 |
|
0 commit comments