1 任务描述:
绘制图中粗线矩形的2个边界,并找到其边界的中心线
2.函数原型
findContours( InputOutputArray image, OutputArrayOfArrays contours,
OutputArray hierarchy, int mode,
int method, Point offset=Point());
- image:图像必须是8位单通道图像,可以是灰度图像,但更常用的是二值图像,一般是经过Canny,拉普拉斯等边缘检测算子处理过的二值图像;(函数运行时,这个图像会被直接涂改,因此如果是将来还有用的图像,应该复制之后再传给该函数)
- contours:定义为
vector<vector<Point>> contours;
向量,向量内每个元素保存了一组由连续的Point点构成的点的集合的向量,每一组Point点集就是一个轮廓,有多少轮廓,向量contours就有多少元素 - mode:轮廓提取方式
○ cv::RETR_EXTERNAL:只检测最外围轮廓;
○ cv::RETR_LIST:检测所有的轮廓,但是不建立等级关系;
○ cv::RETR_CCOMP:检测所有的轮廓,但所有轮廓只建立两种等级关系,外围为顶层
○ cv::RETR_TREE:检测所有的轮廓,所有轮廓建立一个等级树结构 - method:轮廓的近似方法
○ CV_CHAIN_APPROX_NONE:保存物体边界上所有连续的轮廓点到contours向量中
○ CV_CHAIN_APPROX_SIMPLE:仅保存轮廓的拐点信息,把所有轮廓拐点处的点保存到contours向量中
import numpy as np
import cv2
img = cv2.imread('test2.jpg')
# 图像预处理
#将图像转换成二值图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
binary = cv2.Canny(gray, 30, 120)
#查找所有矩形的轮廓
contours, hierarchy = cv2.findContours(binary,
cv2.RETR_LIST,
cv2.CHAIN_APPROX_SIMPLE)
cv2.imshow('origin', img)
cv2.imshow('Canny', binary)
draw_img = img.copy()
# 计算矩形框的四个顶点坐标
rect = cv2.minAreaRect(contours[1])
box = cv2.boxPoints(rect)
box = np.int0(box)
print(box)
cv2.drawContours(draw_img, [box], 0, (0, 0, 255), 2)
rect1 = cv2.minAreaRect(contours[3])
box1 = cv2.boxPoints(rect1)
box1 = np.int0(box1)
print(box1)
# 绘制轮廓
cv2.drawContours(draw_img, [box1], 0, (0, 255, 0),2)
box2 =(box+box1)/2
box2 = np.int0(box2)
print(box2)
cv2.drawContours(draw_img, [box2], 0, (255,0, 0),2)
cv2.imshow('origin with contours', draw_img)
if cv2.waitKey(0) & 0xFF == ord('q'):
cv2.destroyWindow('binary')
cv2.destroyWindow('origin')
cv2.destroyWindow('origin with contours')
运行结果:
文章来源:https://www.uudwc.com/A/Y63MM/
文章来源地址https://www.uudwc.com/A/Y63MM/