學在前面

上篇 OpenCV 博客原計劃完成一個 識別銀行卡號 的項目，但是寫的過程中發(fā)現(xiàn)，技術(shù)儲備不足，我無法在下述圖片中，提取出卡號區(qū)域，也就無法進行后續(xù)的識別了，再次意識到了自己技術(shù)還不達標，繼續(xù)學習。完不成，就實現(xiàn)其它學習項目。

輪廓識別實戰(zhàn)

先看一下最終實現(xiàn)的效果，針對一張圖片（該圖片前景色和背景色差異較大），進行輪廓標記。

圖片基本處理

import cv2 as cv

src = cv.imread("./demo.jpg")

gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
# cv.imshow("src", src)

gray = cv.GaussianBlur(gray, (5, 5), 0)
edges = cv.Canny(gray, 70, 210)

cv.imshow("edged", edges)

轉(zhuǎn)換成灰度圖，高斯模糊去噪，Canny 邊緣檢測，這些都是圖像處理的基本函數(shù)，使用方法已經(jīng)在前文進行過相關(guān)學習。

運行上述代碼之后，獲取基本邊緣數(shù)據(jù)。

輪廓檢測

下面就是檢測圖像輪廓具體位置的代碼了：

contours, hierarchy = cv.findContours(edges.copy(), cv.RETR_LIST, cv.CHAIN_APPROX_SIMPLE)
print(f"輪廓數(shù)量：{len(contours)}")

在 cv.findContours(edges, cv.RETR_LIST, cv.CHAIN_APPROX_SIMPLE) 中，第二個參數(shù)使用的是 cv.RETR_LIST，該參數(shù)值表示檢測所有輪廓，不建立等級關(guān)系，彼此獨立。如果只想獲取輪廓邊緣信息,不關(guān)心是否嵌套在另一個輪廓之內(nèi)，使用該參數(shù)值即可。

第三個參數(shù)使用的是 cv.CHAIN_APPROX_SIMPLE，表示壓縮水平方向，垂直方向，對角線方向的元素，只保留該方向的終點坐標，例如一個矩形輪廓只需 4 個點來保存輪廓信息，這也是為了后面便于計算。

觀察上圖，可以發(fā)現(xiàn)最外側(cè)的邊緣面積是最大的，所以依據(jù)面積進行排序，依據(jù)其他值也可以，獲取面積最大的輪廓。

contours = sorted(contours, key = cv.contourArea, reverse = True)[:3]

對輪廓進行簡單繪制，獲得下圖效果。

cv.drawContours(src,contours,-1,(0,0,255),2)

遍歷輪廓，計算輪廓近似

先看代碼：

# 遍歷輪廓
for c in contours:
	# 計算輪廓近似
	peri = cv.arcLength(c, True)
	approx = cv.approxPolyDP(c, 0.02 * peri, True)

一個新的函數(shù) cv.arcLength，該函數(shù)的原型如下：

retval = cv2.arcLength(curve, closed)

該函數(shù)用于計算輪廓的周長。

下面的 cv.approxPolyDP 函數(shù)原型如下：

approxCurve = cv2.approxPolyDP(curve, epsilon, closed[, approxCurve])

函數(shù)參數(shù)如下：

• curve：源圖像的某個輪廓；
• epsilon：距離值，表示多邊形的輪廓接近實際輪廓的程度，值越小，越精確；
• closed：輪廓是否閉合。

最重要的參數(shù)就是 epsilon 簡單記憶為：該值越小，得到的多邊形角點越多，輪廓越接近實際輪廓，該參數(shù)是一個準確度參數(shù)。

該函數(shù)返回值為輪廓近似多邊形的角點。

繪制輪廓

最后判斷，當上文返回的角點為 4 的時候，提取輪廓，代碼如下：

# 遍歷輪廓
for c in contours:
	# 計算輪廓近似
	peri = cv.arcLength(c, True)
	approx = cv.approxPolyDP(c, 0.02 * peri, True)

	# 當恰好是 4 個角點的時候，獲取輪廓。
	if len(approx) == 4:
		screen_cnt = approx
		break

# 結(jié)果顯示
cv.drawContours(src, [screen_cnt], -1, (0, 0, 255), 2)

更換圖片，進行再次輪廓檢測，注意修改輪廓近似部分代碼即可。

# 遍歷輪廓
for c in contours:
  # 計算輪廓近似

  approx = cv.approxPolyDP(c, 30, True)

  if len(approx) == 4:
    screen_cnt = approx
    break

到此這篇關(guān)于Python OpenCV 圖像區(qū)域輪廓標記(框選各種小紙條)的文章就介紹到這了,更多相關(guān)Python OpenCV區(qū)域輪廓標記內(nèi)容請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！