opencv---(腐蝕、膨脹、邊緣檢測、輪廓檢索、凸包、多邊形擬合)

1、腐蝕(Erode)

　　取符合模板的點, 用區域最小值代替中心位置值(錨點)

　　做用： 平滑對象邊緣、弱化對象之間的鏈接。

opencv 中相關函數：(erode)

 1 // C++
 2 /**  3 shape: 形狀  4  MORPH_RECT 矩形  5  MORPH_CROSS 交叉形 十字型  6  MORPH_ELLIPSE 橢圓形  7 esize : 大小  8 anchor: 錨點，默認爲中心  9 **/
10 Mat getStructuringElement(int shape, Size esize, Point anchor = Point(-1, -1)); 11 
12 /** 13 src: input Mat 14 dst: output Mat 15 element : kernel element 16 完整參數：https://docs.opencv.org/4.1.0/d4/d86/group__imgproc__filter.html#gaeb1e0c1033e3f6b891a25d0511362aeb 17 **/
18 erode(const Mat& src, Mat&dst , const Mat& element)  // 基本參數

 1 # python
 2 # dst = cv.erode( src, kernel[, dst[, anchor[, iterations[, borderType[, borderValue]]]]] )
 3 
 4 import cv2 as cv  5 import numpy as np  6 
 7 im = cv.imread("test.jpg")  8 gray = cv.cvtColor(im,cv.COLOR_BGR2GRAY)  9 ret,binary = cv.threshold(gray,0,255,cv.THRESH_BINARY_INV|cv.THRESH_OTSU) 10 
11 # 獲取 kerenl element
12 kernel = cv.getStructuringElement(cv.MORPH_RECT,(5,5)) 13 # 腐蝕
14 dst = cv.erode(binary,kernel)

View Code

2、 膨脹(Dilate)

　　實現： 使用kernel 劃過圖像，將區域的最大值賦給錨點位置。

　　做用： 導致圖像的亮區擴展，能起到平滑邊緣的做用。

// C++ /** src: input Mat dst: output Mat kernel : kernel element 完整參數：https://docs.opencv.org/master/d4/d86/group__imgproc__filter.html#ga4ff0f3318642c4f469d0e11f242f3b6c **/
#include<opencv2\imgproc\imgproc.hpp>
void  dilate(InputArray src, OutputArray dst , InputArray kernel)  // 基本參數

3、邊緣檢測

邊緣檢測通常步驟：

　　平滑去噪

          對比度加強

          計算梯度

          過濾判斷邊緣

一、Canny 邊緣檢測

 1 // C++
 2 #include<opencv2\imgproc\imgproc.hpp>
 3 
 4 /**  5 image : 輸入圖像  6 edges : 輸出圖像  7 threshold1： 閾值1，高於該值 被認爲時邊緣  8 threshold2： 閾值2， 低於該值可認爲不是邊緣  9  若在兩值之間，該像素僅鏈接一個高閾值的像素時被保留。 10 apertureSize ： kernel 大小，默認3 sobel kernel ,;取值 1 3 5 7 （奇數，<31） 11 L2gradient ： L2 norm 求梯度 12 
13 詳細參數： https://docs.opencv.org/3.4/dd/d1a/group__imgproc__feature.html#ga04723e007ed888ddf11d9ba04e2232de 14 **/
15 void  Canny (InputArray  image,  OutputArray   edges,  double threshold1,  double threshold2,  int apertureSize = 3,  bool  L2gradient = false  )

1 import numpy as np 2 import cv2 as cv 3 
4 # edges = cv.Canny( image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]] )
5 
6 img = cv2.imread('3.jpg',0) 7 edges = cv2.Canny(img,100,200)

View Code

 二、 sobel

sobel kernel:

X 方向3X3：                                                                                                       Y方向3x3:

                                             

 

X 方向5x5:

在opencv sobel 函數中當ksize =-1 時：kernel 爲：SCHARR

opencv 中函數：

 1 // C++
 2 #include <opencv2/imgproc.hpp>
 3 
 4 /** https://docs.opencv.org/master/d4/d86/group__imgproc__filter.html#gacea54f142e81b6758cb6f375ce782c8d  5  src: 輸入圖像  6  dst: 輸出圖像  7  ddepth: output image depth  8  src.depth() = CV_8U --------------- ddepth =-1/CV_16S/CV_32F/CV_64F  9  src.depth() = CV_16U/CV_16S ----- ddepth =-1/CV_32F/CV_64F 10  src.depth() = CV_64F --------------- ddepth = -1/CV_64F 11  dx / dy : 差分階數 0 or 1 12  ksize: 取奇數 -1 ： SCHARR (3x3) 1: 1x3 or 3x1 13 **/
14 void cv::Sobel( InputArray src, OutputArray  dst, int ddepth, int dx, int dy,int ksize=3, double scale=1, double delta=0, int borderType = BORDER_DEFAULT )

1 import cv2 as cv 2 import numpy as np 3 
4 # dst = cv.Sobel( src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]] )
5 
6 img = cv.imread('flower.jpg',0) 7 #默認ksize=3
8 sobelx = cv.Sobel(img,cv2.CV_64F,1,0,ksize=3)

4、二值圖像的輪廓分析

opencv  中可使用 findContours()工具，分析二值圖像的拓撲結構

 

void findContours//提取輪廓，用於提取圖像的輪廓
(
    InputOutputArray image,//輸入圖像，必須是8位單通道圖像，而且應該轉化成二值的
    OutputArrayOfArrays contours,//檢測到的輪廓，每一個輪廓被表示成一個point向量
    OutputArray hierarchy,//可選的輸出向量，包含輪廓的拓撲信息。其中元素的個數和檢測到的輪廓的數量相等
    int mode,     //說明須要的輪廓類型和但願的返回值方式
    int method,//輪廓近似方法
    Point offset = Point()
)

參數說明：

      hierarchy：  每個輪廓，都包含4個整型數據，分別表示：後一個輪廓的序號、前一個輪廓的序號、子輪廓的序號、父輪廓的序號。

      mode： 輪廓檢索模式    

 

          method :

　　　　　　1）、CV_CHAIN_APPROX_NONE  邊界上全部連續點

                              2）、CV_CHAIN_APPROX_SIMPLE   拐點

　　　　　　3）and 4) 、 CV_CHAIN_APPROX_TC89_L1  、  CV_CHAIN_APPROX_TC89_KCOS  使用teh-Chinl chain 近似法

 

# python
import cv2 as cv import numpy as np # contours, hierarchy = cv.findContours( image, mode, method[, contours[, hierarchy[, offset]]] )
 img = cv.imread('12.jpeg') gray = cv.cvtColor ( img , cv2.COLOR_BGR2GRAY ) ret , binary = cv.threshold ( gray , 220 , 255 , cv2.THRESH_BINARY ) # 檢測輪廓
contours , hierarchy = cv.findContours ( binary , cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE ) # 畫出輪廓
cv.drawContours(img,contours,-1,(0,0,255),3) ''' void cv::drawContours ( InputOutputArray image, InputArrayOfArrays contours, int contourIdx, const Scalar & color, int thickness = 1, int lineType = LINE_8, InputArray hierarchy = noArray(), int maxLevel = INT_MAX, Point offset = Point() ) #image:輸入輸出圖像，Mat類型便可 #contours:使用findContours檢測到的輪廓數據，每一個輪廓以點向量的形式存儲，point類型的vector #contourIdx:繪製輪廓的只是變量，若是爲負值則繪製全部輸入輪廓 #color:輪廓顏色 #thickness:繪製輪廓所用線條粗細度，若是值爲負值，則在輪廓內部繪製 #lineTpye:線條類型，有默認值LINE_8 '''

5、 凸包 和 多邊形擬合

凸包：

opencv 中使用 convexHull() 函數來查找對象的凸包。

 

void cv::convexHull (   InputArray  points,
                        OutputArray     hull,
                        bool    clockwise = false,
                        bool    returnPoints = true
)

參數： points: input 2D point set, stored in std::vector or Mat.

       hull : 輸出參數，用於輸出函數調用後找到的凸包

       clockwise : 操做方向，true順時針，fasle逆時針

詳細參考： https://docs.opencv.org/master/d3/dc0/group__imgproc__shape.html#ga014b28e56cb8854c0de4a211cb2be656

 

多邊形擬合：

opencv 中使用 approxPolyDP() 函數對圖像的輪廓點進行多邊形擬合。

 

void approxPolyDP(InputArray curve, OutputArray approxCurve, double epsilon, bool closed)

參數：

　　　　curve : Input vector of a 2D point stored in std::vector or Mat

        approxCurve : 表示輸出的多邊形點集

　　　　epsilon：    精度，兩個輪廓點之間的最大距離數

        closed:  表示輸出的多邊形是否封閉

 

#include<opencv2\opencv.hpp> #include<opencv2\imgproc\imgproc.hpp> #include<iostream>
 using namespace std; using namespace cv; int main() { // 三通道二值圖像 Mat img = imread("E:\\pcblabels\\labels2019-11-01-094405.jpg"); cout << "read image end..." << endl; // 膨脹 Mat kernel = getStructuringElement(MORPH_RECT, Size(6, 6)); Mat dilateImg; dilate(img, dilateImg, kernel); cout << "dilate end....." << endl; // 腐蝕 Mat erodeImg; erode(dilateImg, erodeImg, kernel); cout << "erode end....." << endl; // canny Mat cannyImg; Canny(dilateImg, cannyImg, 5, 2, 5); // ksize: 奇數 cout << "Canny end....." << endl; // find contours vector<vector<Point>> contours; vector<Vec4i> hierarchy; // 只檢測最外層輪廓，而且保存輪廓上全部點 findContours(cannyImg, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE, Point()); drawContours(contours, hierarchy, img.size()); // 找一個點數最多的輪廓 int index = 0; for (int i = 0; i< contours.size(); i++) { if (contours[i].size() > contours[index].size()) { index = i; } } cout << "findContours end....." << endl; //凸包 Mat hullImg = img.clone(); vector<Point> hull; convexHull(Mat(contours[index]), hull, true); drawContours(hullImg, vector<vector<Point>>{hull}, 0, Scalar(0,0,255), 1, 8, vector<Vec4i>(), 0, Point()); cout << "draw hull end....." << endl; // 多邊形擬合 Mat approxImg = img.clone(); Mat approxImgRes = Mat::zeros(img.size(), CV_8UC1); vector<Point> approxPloy; approxPolyDP(contours[index], approxPloy, 1, true); drawContours(approxImg, contours, index, Scalar(255, 0, 0), 1, 8, hierarchy); drawContours(approxImgRes, vector<vector<Point>>{approxPloy}, 0, Scalar(255), 2, 8, vector<Vec4i>(), 0, Point()); cout << "draw approxPolyDP end....." << endl; return 0; }