opencv---(腐蚀、膨胀、边缘检测、轮廓检索、凸包、多边形拟合)

1、腐蚀(Erode)

　　取符合模板的点, 用区域最小值代替中心位置值(锚点)

　　做用： 平滑对象边缘、弱化对象之间的链接。

opencv 中相关函数：(erode)

 1 // C++
 2 /**  3 shape: 形状  4  MORPH_RECT 矩形  5  MORPH_CROSS 交叉形 十字型  6  MORPH_ELLIPSE 椭圆形  7 esize : 大小  8 anchor: 锚点，默认为中心  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 完整参数：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)  // 基本参数

 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 # 获取 kerenl element
12 kernel = cv.getStructuringElement(cv.MORPH_RECT,(5,5)) 13 # 腐蚀
14 dst = cv.erode(binary,kernel)

View Code

2、 膨胀(Dilate)

　　实现： 使用kernel 划过图像，将区域的最大值赋给锚点位置。

　　做用： 导致图像的亮区扩展，能起到平滑边缘的做用。

// C++ /** src: input Mat dst: output Mat kernel : kernel element 完整参数：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)  // 基本参数

3、边缘检测

边缘检测通常步骤：

　　平滑去噪

          对比度加强

          计算梯度

          过滤判断边缘

一、Canny 边缘检测

 1 // C++
 2 #include<opencv2\imgproc\imgproc.hpp>
 3 
 4 /**  5 image : 输入图像  6 edges : 输出图像  7 threshold1： 阈值1，高于该值 被认为时边缘  8 threshold2： 阈值2， 低于该值可认为不是边缘  9  若在两值之间，该像素仅链接一个高阈值的像素时被保留。 10 apertureSize ： kernel 大小，默认3 sobel kernel ,;取值 1 3 5 7 （奇数，<31） 11 L2gradient ： L2 norm 求梯度 12 
13 详细参数： 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 函数中当ksize =-1 时：kernel 为：SCHARR

opencv 中函数：

 1 // C++
 2 #include <opencv2/imgproc.hpp>
 3 
 4 /** https://docs.opencv.org/master/d4/d86/group__imgproc__filter.html#gacea54f142e81b6758cb6f375ce782c8d  5  src: 输入图像  6  dst: 输出图像  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 : 差分阶数 0 or 1 12  ksize: 取奇数 -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 #默认ksize=3
8 sobelx = cv.Sobel(img,cv2.CV_64F,1,0,ksize=3)

4、二值图像的轮廓分析

opencv  中可使用 findContours()工具，分析二值图像的拓扑结构

 

void findContours//提取轮廓，用于提取图像的轮廓
(
    InputOutputArray image,//输入图像，必须是8位单通道图像，而且应该转化成二值的
    OutputArrayOfArrays contours,//检测到的轮廓，每一个轮廓被表示成一个point向量
    OutputArray hierarchy,//可选的输出向量，包含轮廓的拓扑信息。其中元素的个数和检测到的轮廓的数量相等
    int mode,     //说明须要的轮廓类型和但愿的返回值方式
    int method,//轮廓近似方法
    Point offset = Point()
)

参数说明：

      hierarchy：  每个轮廓，都包含4个整型数据，分别表示：后一个轮廓的序号、前一个轮廓的序号、子轮廓的序号、父轮廓的序号。

      mode： 轮廓检索模式    

 

          method :

　　　　　　1）、CV_CHAIN_APPROX_NONE  边界上全部连续点

                              2）、CV_CHAIN_APPROX_SIMPLE   拐点

　　　　　　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 ) # 检测轮廓
contours , hierarchy = cv.findContours ( binary , cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE ) # 画出轮廓
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:输入输出图像，Mat类型便可 #contours:使用findContours检测到的轮廓数据，每一个轮廓以点向量的形式存储，point类型的vector #contourIdx:绘制轮廓的只是变量，若是为负值则绘制全部输入轮廓 #color:轮廓颜色 #thickness:绘制轮廓所用线条粗细度，若是值为负值，则在轮廓内部绘制 #lineTpye:线条类型，有默认值LINE_8 '''

5、 凸包 和 多边形拟合

凸包：

opencv 中使用 convexHull() 函数来查找对象的凸包。

 

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

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

       hull : 输出参数，用于输出函数调用后找到的凸包

       clockwise : 操做方向，true顺时针，fasle逆时针

详细参考： https://docs.opencv.org/master/d3/dc0/group__imgproc__shape.html#ga014b28e56cb8854c0de4a211cb2be656

 

多边形拟合：

opencv 中使用 approxPolyDP() 函数对图像的轮廓点进行多边形拟合。

 

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

参数：

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

        approxCurve : 表示输出的多边形点集

　　　　epsilon：    精度，两个轮廓点之间的最大距离数

        closed:  表示输出的多边形是否封闭

 

#include<opencv2\opencv.hpp> #include<opencv2\imgproc\imgproc.hpp> #include<iostream>
 using namespace std; using namespace cv; int main() { // 三通道二值图像 Mat img = imread("E:\\pcblabels\\labels2019-11-01-094405.jpg"); cout << "read image end..." << endl; // 膨胀 Mat kernel = getStructuringElement(MORPH_RECT, Size(6, 6)); Mat dilateImg; dilate(img, dilateImg, kernel); cout << "dilate end....." << endl; // 腐蚀 Mat erodeImg; erode(dilateImg, erodeImg, kernel); cout << "erode end....." << endl; // canny Mat cannyImg; Canny(dilateImg, cannyImg, 5, 2, 5); // ksize: 奇数 cout << "Canny end....." << endl; // find contours vector<vector<Point>> contours; vector<Vec4i> hierarchy; // 只检测最外层轮廓，而且保存轮廓上全部点 findContours(cannyImg, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE, Point()); drawContours(contours, hierarchy, img.size()); // 找一个点数最多的轮廓 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; // 多边形拟合 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; }