AHK调用opencv(二十)opencv中的轮廓 – ahk_v2_beta3

什么是轮廓? 轮廓可以简单地解释为连接具有相同颜色或强度的所有连续点(沿边界)的曲线。轮廓是用于形状分析以及对象检测和识别的有用工具。

什么是轮廓?

轮廓可以简单地解释为连接具有相同颜色或强度的所有连续点(沿边界)的曲线。轮廓是用于形状分析以及对象检测和识别的有用工具。
  1. 为了获得更高的准确性,请使用二进制图像。因此,在找到轮廓之前,请应用阈值或 Canny 边缘检测。
  2. 从OpenCV 3.2开始,**findContours()** 不再修改源图像。
  3. 在OpenCV中,找到轮廓就像从黑色背景中找到白色物体。因此请记住,要找到的对象应该是白色,背景应该是黑色。
隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

如何绘制轮廓?

要绘制轮廓,请使用 cv.drawContours() 函数。只要有边界点,它也可以用来绘制任何形状。它的第一个参数是源图像,第二个参数是作为链表传递的轮廓,第三个参数是轮廓的索引(在绘制单个轮廓时很有用。要绘制所有轮廓,请传递-1),其余参数是颜色,厚度等等。
要在图像中绘制所有轮廓:
隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

要绘制单个轮廓,请说第四个轮廓:

隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

但是在大多数情况下,以下方法会很有用:

隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

AHK调用opencv(二十)opencv中的轮廓 – ahk_v2_beta3

轮廓近似法

 
cv.findContours() 函数中的第三个参数。它实际上表示什么?
定义轮廓的近似方法,取值如下:
 
CV_CHAIN_APPROX_NONE:保存物体边界上所有连续的轮廓点到contours向量内;
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入contours向量内,拐点与拐点之间直线段上的信息点不予保留;
CV_CHAIN_APPROX_TC89_L1:使用teh-Chinl chain 近似算法;
CV_CHAIN_APPROX_TC89_KCOS:使用teh-Chinl chain 近似算法。
下面的矩形图像演示了此技术。只需在轮廓数组中的所有坐标上绘制一个圆(以蓝色绘制)。第一个图像显示点I与得到 cv.CHAIN_APPROX_NONE (734点)和第二图像显示了一个与 cv.CHAIN_APPROX_SIMPLE (仅4个点)。

 

轮廓特征

 

1.图像矩

在图像处理、计算机视觉和相关领域中,图像矩是图像像素强度的某个特定加权平均值(矩),或者是此类矩的函数,通常选择具有某些吸引人的属性或解释。
图像矩可用于描述分割后的对象。通过图像矩找到的图像的简单属性包括面积(或总强度)、其质心和有关其方向的信息。
相关链接:https://cloud.tencent.com/developer/article/1470636
隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

在图像矩中,您可以提取有用的数据,例如面积,质心等。质心由关系C给出 $C_x = \frac{M_{10}}{M_{00}}$ 和 $C_y = \frac{M_{01}}{M_{00}}$。可以按照以下步骤进行:

隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

接下来在坐标处画圆

效果图:

AHK调用opencv(二十)opencv中的轮廓 – ahk_v2_beta3

2.轮廓面积

轮廓区域由函数 cv.contourArea() 或从力矩**m00**中给出。
隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

3.轮廓周长

也称为弧长。可以使用 cv.arcLength() 函数找到它。第二个参数指定形状是闭合轮廓(如果通过True)还是曲线。
隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

4.轮廓近似

根据我们指定的精度,它可以将轮廓形状近似为顶点数量较少的其他形状。它是Douglas-Peucker算法的实现。

在数字化时,要对曲线进行采样,即在曲线上取有限个点,将其变为折线,并且能够在一定程度上保持原有的形状。

经典的Douglas-Peucker算法步骤如下:

(1)在曲线首尾两点A,B之间连接一条直线AB,该直线为曲线的弦;

(2)得到曲线上离该直线段距离最大的点C,计算其与AB的距离d;

(3)比较该距离与预先给定的阈值threshold的大小,如果小于threshold,则该直线段作为曲线的近似,该段曲线处理完毕。

(4)如果距离大于阈值,则用C将曲线分为两段AC和BC,并分别对两段取信进行1~3的处理。

(5)当所有曲线都处理完毕时,依次连接各个分割点形成的折线,即可以作为曲线的近似。

隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

下面,在第二张图片中,绿线显示了 精度 epsilon = 10% 时的近似曲线。第三幅图显示了精度 epsilon = 1% 时的情况。第三个参数指定曲线是否闭合。

AHK调用opencv(二十)opencv中的轮廓 – ahk_v2_beta3

5.凸包

逼近多边形是某个图像轮廓的高度近似,而凸包的提出是为了简化逼近多边形的。其实,凸包跟逼近多边形很像,只不过它是物体最外层的“凸”多边形。

简单的概括,凸包是指完全包含原有轮廓,并且仅由轮廓上的点所构成的多边形。凸包的特点是每一处都是凸的,即在凸包内连接任意两点的直线都在凸包的内部,并且任意连续3个点的内角小于180度。

凸包外观看起来与轮廓逼近相似,但并非如此(在某些情况下两者可能提供相同的结果)。在这里,**cv.convexHull()** 函数检查曲线是否存在凸凹缺陷并对其进行校正。一般而言,凸曲线是始终凸出或至少平坦的曲线。如果在内部凸出,则称为凸度缺陷。

AHK调用opencv(二十)opencv中的轮廓 – ahk_v2_beta3

隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

参数详细信息:

  • points: 就是我们传入的轮廓。
  • hull: 是输出,通常我们避免它。
  • clockwise:方向标记。如果为True,则输出凸包为顺时针方向。否则,其方向为逆时针方向。
  • returnPoints:默认情况下为True。然后返回船体点的坐标。如果为False,则返回与船体点相对应的轮廓点的索引。

因此,要获得如上图所示的凸包,以下内容就足够了:

隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分


隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

凸包缺陷

对二值图像进行轮廓分析之后,可以构建每个轮廓的凸包,构建完成之后会返回该凸包包含的点集。根据返回的凸包点集可以绘制该轮廓对应的凸包。一般来说,凸性曲线总是凸出来的,至少是平的。如果有地方凹进去了就被叫做凸性缺陷。
OpenCV带有一个现成的函数 cv.convexityDefect() 来查找该函数。
 
注意:进行凸检测时,凸包检测中的returnPoints要设置为False
凸缺陷返回一个数组,每一行包含值是起点,终点,最远的点,到最远点的近似距离,返回的前三个点都是轮廓索引。
 
隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

contour: 检测到的轮廓,可以调用findContours函数得到
convexhull:检测到的凸包,可以调用convexHull函数得到。
convexityDefects:输出参数,检测到的最终结果,返回一个数组,其中每一行包含的值是[起点,终点,最远的点,到最远点的近似距离]。前三个点都是轮廓索引。
前三个值得含义分别为:凸缺陷的起始点,凸缺陷的终点,凸缺陷的最深点(即边缘点到凸包距离最大点)
 
下面这部分代码由社区群友zzZ…大佬提供。
隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

AHK调用opencv(二十)opencv中的轮廓 – ahk_v2_beta3

6.检查凸度

cv.isContourConvex() 用来检查曲线是否为凸多边形。它只是返回True还是False。
隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

7.边界矩形

7.1直边界矩形(外接矩形)

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。 所以边界矩形的面积不是最小的。可以使用函数 cv.boundingRect() 查找得到。返回值 (x, y)为矩形左上角的坐标,( w, h)是矩形的宽和高。

隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

AHK调用opencv(二十)opencv中的轮廓 – ahk_v2_beta3

7.2旋转的边界矩形(最小外接矩形)

这个边界矩形是面积最小的,因为它考虑了对象的旋转。用到的函数为 cv2.minAreaRect()。返回的是一个Box2D 结构,其中包含矩形左上角角点的坐标( x, y),矩形的宽和高( w, h),以及旋转角度。但是要绘制这个矩形需要矩形的 4 个角点,可以通过函数 cv.boxPoints() 获得。

隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

AHK调用opencv(二十)opencv中的轮廓 – ahk_v2_beta3

8.最小外接圆

接下来,我们使用函数 cv.minEnclosingCircle() 找到对象的外接圆。它是一个以最小面积完全覆盖对象的圆圈。
隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

AHK调用opencv(二十)opencv中的轮廓 – ahk_v2_beta3

9.拟合椭圆

下一步是使椭圆适合对象。它返回椭圆所在的旋转矩形。
点集拟合椭圆并非最小包围椭圆。返回椭圆并不满足“轮廓上的点均在椭圆包围空间内”这一条件。
其原理是:
① 寻找包裹轮廓的最小斜矩阵**minAreaRect() **。
② 返回斜矩阵内最大的椭圆(矩阵长宽分别做椭圆长轴、短轴)。

 

RotatedRect fitEllipse(InputArray points);
唯一一个参数是输入的二维点集,可以是 vector 或 Mat 类型。
隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

AHK调用opencv(二十)opencv中的轮廓 – ahk_v2_beta3

10.拟合线

图像处理中,通常会遇到根据给定的点集(比如轮廓)拟合出一条直线的情形。opencv2和opencv3中提供了一个专门用于直线拟合的函数**cv.fitLine()**。

第一个参数是用于拟合直线的输入点集,可以是二维点的cv::Mat数组,也可以是二维点的STL vector。
 
第二个参数是输出的直线,对于二维直线而言类型为cv::Vec4f,对于三维直线类型则是cv::Vec6f,输出参数的前半部分给出的是直线的方向,而后半部分给出的是直线上的一点(即通常所说的点斜式直线)。
 
第三个参数是距离类型,拟合直线时,要使输入点到拟合直线的距离和最小化(即下面公式中的cost最小化),可供选的距离类型如下表所示,ri表示的是输入的点到直线的距离。
 
第四个参数是距离参数,跟所选的距离类型有关,值可以设置为0,cv::fitLine()函数本身会自动选择最优化的值。
 
第五、六两个参数用于表示拟合直线所需要的径向和角度精度,通常情况下两个值均被设定为1e-2。
隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

 

AHK调用opencv(二十)opencv中的轮廓 – ahk_v2_beta3

轮廓属性

质心,面积,周长等也属于此类,上面已经写了。

1.长宽比

它是对象边界矩形的宽度与高度的比率。
隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

2.范围

范围是轮廓区域与边界矩形区域的比率。
隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

3.固实性

固实性是轮廓面积与其凸包面积的比率。
隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

4.等效直径

等效直径是面积与轮廓面积相同的圆的直径。
隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

5.方向

方向是物体指向的角度。
隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

6.遮罩和像素点

在某些情况下,我们可能需要构成该对象的所有点。可以按照以下步骤完成:
隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

7.最大值,最小值及其位置

我们可以使用遮罩图像找到这些参数。
隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

8.平均颜色或平均强度

在这里,我们可以找到对象的平均颜色。或者可以是灰度模式下物体的平均强度。我们再次使用相同的蒙版进行此操作。
隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

9.极端点

极点是指对象的最顶部,最底部,最右侧和最左侧的点。
 

天黑版opencv_ahk.dll使用(改变了调用方式,优化速度…)

相关文件:https://wwz.lanzouw.com/iAkK803eaaud

cv2.ahk和log.ahk来自社区群友zzZ…

可以用文件中的天黑版的v2h版ahk运行。

示例:轮廓

隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

匹配形状

OpenCV带有函数 cv.matchShapes(),使我们能够比较两个形状或两个轮廓,并返回显示相似性的度量。结果越低,匹配越好。它是基于 **hu-moment 值计算的。文档中介绍了不同的测量方法。
隐藏内容,支付积分后阅读
已经有0人购买查看了此内容
15
15积分

匹配自身结果=0.0

AHK调用opencv(二十)opencv中的轮廓 – ahk_v2_beta3

匹配旋转后的自身结果=0.008218551978777078

AHK调用opencv(二十)opencv中的轮廓 – ahk_v2_beta3

匹配矩形结果=0.3271618191421985

AHK调用opencv(二十)opencv中的轮廓 – ahk_v2_beta3

 

有错误请联系我改正!

天黑主项目地址:https://github.com/thqby/opencv_ahk

本系列所有贡献者(AutoHotKey中文社区群友)不分先后:天黑请闭眼,zzZ…,演好自己,僵尸,城西,Tebayaki。

声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。

给TA捐赠
共{{data.count}}人
人已捐赠
函数

AHK调用opencv(十八)Canny 边缘检测 – ahk_v2_beta3

2022-4-3 12:29:09

函数

V2_H 多线程及JSON功能demo

2022-4-6 9:02:35

6 条回复 A文章作者 M管理员
  1. 陌诺Mono
    陌诺Mono给您捐赠了¥5
  2. user15159

    多谢老朱

  3. dbgba
    dbgba给您打赏了¥20
  4. hexuren
    1河许人给您打赏了¥5
  5. ahker
    ahker给您打赏了¥5
❯
个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索