OpenCV-几何形状颜色识别 #导入MD文档图片#

@[toc]

题目

请编写程序将图像Image中的三角形找到，而且以接近于图像中心的三角形做为根节点，距离其最近的三角形做为其左节点，次近的做为其右节点，创建一个二叉树来表示和存储图中的三角形，其中二叉树中每一个节点包括：三角形的位置、其父节点的位置（若为个节点，坐标为(-1,-1)）、三角形的颜色、三角形的面积。
请输出二叉树

思路

1. 先先识别三角形，就先转成二值图像， 而后使用轮廓发现findContours相关函数，提取与绘制轮廓，最后用approxPolyDP对其进行轮廓逼近，

2. 而后对三角形找到中心点 ，须要用moments计算一阶几何距获得指定轮廓的中心位置

3. 而后的到的三角形中心位置坐标能够用来得出三角形的坐标和颜色

4. “以接近于图像中心的三角形做为根节点，距离其最近的三角形做为其左节点，次近的做为其右节点”在构成二叉树的时候（我印象中学习机器学习的时候貌似记得有个KNN算法，实现有点麻烦），这里我是直接用两点之间开方计算距离。

5. 后面二叉树的，先按照距离进行排序，而后插入节点

6. 打印节点

代码

# -*- coding: utf-8 -*-
#引入必要工具
import cv2 as cv
import numpy as np
import math

#计算距离
def caculateDistance(a, b):
    return math.sqrt(math.pow(a[0] - b[0], 2) + math.pow(a[1] - b[1], 2))

class Node:
    def __init__(self, pos, area, color):
        # 节点内容:面积，颜色，坐标，左子树,右子树,父节点
        self.area = area
        self.color = color
        self.pos = pos
        self.left = None
        self.right = None
        self.Parent = None
    #添加左子树
    def addLeft(self, l):
        self.left = l

    # 添加右子树
    def addRight(self, r):
        self.right = r

    # 添加父节点
    def GetParent(self):
        return self.Parent

#定义树
class Tree:
    def __init__(self):
        self.root = None

    def addroot(self, root):
        self.root = root

class ShapeAnalysis:
    def __init__(self):
        self.shapes = {'triangle': 0, 'rectangle': 0, 'polygons': 0, 'circles': 0}
        self.i = 0

    def analysis(self, frame, tree):
        h, w, ch = frame.shape
        result = np.zeros((h, w, ch), dtype=np.uint8)
        # 二值化图像
        print("start to detect lines...\n")
        gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)
        ret, binary = cv.threshold(gray, 230, 255, cv.THRESH_BINARY_INV)

        triangles = {}
        cv.imshow("Binary Image", binary)
        out_binary, contours, hierarchy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
        for cnt in range(len(contours)):
            # 提取与绘制轮廓
            cv.drawContours(result, contours, cnt, (0, 255, 0), 2)
            # 轮廓逼近
            epsilon = 0.012 * cv.arcLength(contours[cnt], True)
            approx = cv.approxPolyDP(contours[cnt], epsilon, True)
            # 分析几何形状
            corners = len(approx)
            shape_type = []
            if corners == 3:
                count = self.shapes['triangle']
                count = count + 1
                self.shapes['triangle'] = count
                shape_type = "三角形"

            # 求中心位置
            mm = cv.moments(contours[cnt])
            cx = int(mm['m10'] / mm['m00'])
            cy = int(mm['m01'] / mm['m00'])
            if shape_type == "三角形":
                cv.circle(result, (cx, cy), 3, (0, 0, 255), -1)

            # 计算颜色
            color = frame[cy][cx]
            color_str = "(" + str(color[0]) + ", " + str(color[1]) + ", " + str(color[2]) + ")"

            # 计算面积
            area = cv.contourArea(contours[cnt])
            # 判断三角形
            if shape_type == "三角形":
                n = Node([cx, cy], area, color)
                triangles[self.i] = n
                self.i = self.i + 1
                print("-------------------------------------")
                print("第%d个三角形："%self.i)
                print(" 坐标 %s 面积: %.3f 颜色: %s  " % ((cx, cy), area, color_str))
        print("-------------------------------------")
        cv.imshow("Analysis Result", self.draw_text_info(result))

        center = [frame.shape[0] / 2, frame.shape[1] / 2]
        print("图片中心位置:%s"%center)
        print("-------------------------------------")
        dis = {}
        # 以接近于图像中心的三角形做为根节点，
        # 距离其最近的三角形做为其左节点，次近的做为其右节点
        for j in range(4):
            dis[j] = caculateDistance(center, triangles[j].pos)
        for j in range(4):
            for k in range(4):
                if (dis[j] < dis[k]):
                    temp = dis[k]
                    dis[k] = dis[j]
                    dis[j] = temp
                    temp1 = triangles[k]
                    triangles[k] = triangles[j]
                    triangles[j] = temp1

        for j in range(len(triangles)):
            print(dis[j])
            print(triangles[j].pos)

        tree.addroot(triangles[0])
        x = Node([-1, -1], 0, [-1, -1, -1])

        triangles[0].Parent = x
        triangles[0].addLeft(triangles[1])
        triangles[1].Parent = triangles[0]
        triangles[0].addRight(triangles[2])
        triangles[2].Parent = triangles[0]
        triangles[1].addLeft(triangles[3])
        triangles[3].Parent = triangles[1]

        # 3和2号没有子树,1号没有右子树
        y = Node([0, 0], 0, [-1, -1, -1])
        triangles[3].addLeft(y)
        triangles[3].addRight(y)

        triangles[2].addLeft(y)
        triangles[2].addRight(y)

        triangles[1].addRight(y)

        for k in range(4):
            print("-------------------------------------")
            print("第%d节点   面积%.3f   颜色%s   父节点%s  本身节点%s  左子树%s  右子树%s "% (k,(triangles[k].area),(triangles[k].color),(triangles[k].Parent.pos),(triangles[k].pos),(triangles[k].left.pos),(triangles[k].right.pos)))

        return self.shapes

    def draw_text_info(self, image):
        c1 = self.shapes['triangle']
        cv.putText(image, "triangle: " + str(c1), (10, 20), cv.FONT_HERSHEY_PLAIN, 1.2, (255, 255, 255), 1)
        return image

if __name__ == "__main__":
    src = cv.imread("D:/picture/11.png")
    tree = Tree()
    ld = ShapeAnalysis()
    ld.analysis(src, tree)
    cv.waitKey(-1)

结果

图像处理

控制台输出结果

Python 3.6.4 |Anaconda, Inc.| (default, Jan 16 2018, 10:22:32) [MSC v.1900 64 bit (AMD64)] on win32
runfile('C:/Users/Jackinsun/Desktop/untitled0.py', wdir='C:/Users/Jackinsun/Desktop')
start to detect lines...
-------------------------------------
第1个三角形：
 坐标 (436, 330) 面积: 1447.500 颜色: (195, 195, 195)  
-------------------------------------
第2个三角形：
 坐标 (99, 215) 面积: 1393.500 颜色: (76, 177, 34)  
-------------------------------------
第3个三角形：
 坐标 (315, 208) 面积: 965.500 颜色: (0, 243, 255)  
-------------------------------------
第4个三角形：
 坐标 (241, 101) 面积: 4813.500 颜色: (36, 28, 237)  
-------------------------------------
图片中心位置:[208.0, 277.0]
-------------------------------------
125.39936203984452
[99, 215]
127.3184982632139
[315, 208]
179.06702655709677
[241, 101]
234.07904647789388
[436, 330]
-------------------------------------
第0节点   面积1393.500   颜色[ 76 177  34]   父节点[-1, -1]  本身节点[99, 215]  左子树[315, 208]  右子树[241, 101] 
-------------------------------------
第1节点   面积965.500   颜色[  0 243 255]   父节点[99, 215]  本身节点[315, 208]  左子树[436, 330]  右子树[0, 0] 
-------------------------------------
第2节点   面积4813.500   颜色[ 36  28 237]   父节点[99, 215]  本身节点[241, 101]  左子树[0, 0]  右子树[0, 0] 
-------------------------------------
第3节点   面积1447.500   颜色[195 195 195]   父节点[315, 208]  本身节点[436, 330]  左子树[0, 0]  右子树[0, 0]

参考资料

opencv findContours

python-opencv获取二值图像轮廓及中心点坐标

Python-opencv 图片颜色域的识别选取

Python OpenCV Color Detection Example

Simple shape detection – Opencv with Python 3

OpenCV中几何形状识别与测量

OpenCV Python Tutorial For Beginners 25 - Detect Simple Geometric Shapes using OpenCV in Python