使用opencv实现图像中几何图形检测

1 几何图形检测介绍

1.1 轮廓(contours)

什么是轮廓，简单说轮廓就是一些列点相连组成形状、它们拥有同样的颜色、轮廓发现在图像的对象分析、对象检测等方面是非常有用的工具，在OpenCV
中使用轮廓发现相关函数时候要求输入图像是二值图像，这样便于轮廓提取、边缘提取等操作。轮廓发现的函数与参数解释如下：

函数原型：

findContours(image, mode, method, contours=None, hierarchy=None, offset=None)

参数：

• image输入/输出的二值图像
• mode 迒回轮廓的结构、可以是List、Tree、External
• method 轮廓点的编码方式，基本是基于链式编码
• contours 迒回的轮廓集合
• hieracrchy 迒回的轮廓层次关系
• offset 点是否有位移

1.2 多边形逼近

多边形逼近，是通过对轮廓外形无限逼近，删除非关键点、得到轮廓的关键点，不断逼近轮廓真实形状的方法，OpenCV中多边形逼近的函数与参数解释如下：

函数原型：

approxPolyDP(curve, epsilon, closed, approxCurve=None)

参数：

• curve 表示输入的轮廓点集合
• epsilon 表示逼近曲率，越小表示相似逼近越厉害
• close 是否闭合

1.3 几何距计算

图像几何距是图像的几何特征，高阶几何距中心化之后具有特征不变性，可以产生Hu距输出，用于形状匹配等操作，这里我们通过计算一阶几何距得到指定轮廓的中心位置，计算几何距的函数与参数解释如下：

函数原型：

moments(array, binaryImage=None)

参数：

• array表示指定输入轮廓
• binaryImage默认为None

2 基于opencv实现几何图形检测

整个代码实现分为如下几步完成

• 加载图像，
• 图像二值化
• 轮廓发现
• 几何形状识别
• 测量周长、面积、计算中心
• 颜色提取

2.1 加载图像并进行二值化处理

的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。

一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法，称为图像的二值化（Binarization）。

函数原型：

def threshold(src: Any,thresh: Any,maxval: Any,type: Any,dst: Any = None) -> None

src：源图像，可以为8位的灰度图，也可以为32位的彩色图像。（两者由区别）

dst：输出图像

thresh：阈值

maxval：dst图像中最大值

type：阈值类型，可以具体类型如下：

           enum ThresholdTypes {THRESH_BINARY     = 0,            //黑白

                                                 THRESH_BINARY_INV = 1,        //黑白反转

                                                 THRESH_TRUNC      = 2,        //得到图像多像素值

                                                 THRESH_TOZERO     = 3,        //当前点值大于阈值时，不改

                                                                                                    变，否则设置为0

                                                 THRESH_TOZERO_INV = 4,        //当前点值大于阈值时，

                                                                                                    设置为0，否则不改变

                                                  THRESH_MASK       = 7,

                                                  THRESH_OTSU       = 8,        //自适应阈值

                                                  THRESH_TRIANGLE   = 16
             };

具体实现代码：

frame = cv.imread("./data/jihe2.png")# 二值化图像
gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)
ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)
cv.imshow("input image", frame)

2.2 轮廓检测与逼近

当需要对图像进行形状分析时，需要使用多边形逼近一个轮廓，使得顶点数目变少，算法原理比较简单，核心就是不断找多边形最远的点加入形成新的多边形，直到最短距离小于指定的精度。OpenCV里面用函数approxPolyDP()实现。approxPolyDP()用另一条顶点较少的曲线来逼近一条曲线或者一个多边形，这样两条曲线之间的距离小于或等于指定的精度。同时也有使闭合逼近曲线的选项（那就是说，起始点和终止点相同）。

findContours后的轮廓信息contours可能过于复杂不平滑，可以用approxPolyDP函数对该多边形曲线做适当近似，approxPolyDP 主要功能是把一个连续光滑曲线折线化，对图像轮廓点进行多边形拟合。

具体实现代码：

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 = 0.01 * cv.arcLength(contours[cnt], True)approx = cv.approxPolyDP(contours[cnt], epsilon, True)

2.3 几何形状判断

根据corners数量对形状进行判断。

approx = cv.approxPolyDP(contours[cnt], epsilon, True)# 分析几何形状
corners = len(approx)
shape_type = ""if corners < 3:continueif corners == 3:count = self.shapes['triangle']count = count + 1self.shapes['triangle'] = countshape_type = "三角形"
if corners == 4:count = self.shapes['rectangle']count = count + 1self.shapes['rectangle'] = countshape_type = "矩形"
if corners >= 10:count = self.shapes['circles']count = count + 1self.shapes['circles'] = countshape_type = "圆形"
if 4 < corners < 10:count = self.shapes['polygons']count = count + 1self.shapes['polygons'] = countshape_type = "多边形"

2.4 面积周长计算

# 计算面积与周长
p = cv.arcLength(contours[cnt], True)
area = cv.contourArea(contours[cnt])
print("周长: %.3f, 面积: %.3f 颜色: %s 形状: %s " % (p, area, color_str, 

2.5 完整代码：

import cv2 as cv
import numpy as npclass ShapeAnalysis:def __init__(self):self.shapes = {'triangle': 0, 'rectangle': 0, 'polygons': 0, 'circles': 0}def analysis(self, frame):h, w, ch = frame.shaperesult = 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, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)cv.imshow("input image", frame)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 = 0.01 * 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:continueif corners == 3:count = self.shapes['triangle']count = count + 1self.shapes['triangle'] = countshape_type = "三角形"if corners == 4:count = self.shapes['rectangle']count = count + 1self.shapes['rectangle'] = countshape_type = "矩形"if corners >= 10:count = self.shapes['circles']count = count + 1self.shapes['circles'] = countshape_type = "圆形"if 4 < corners < 10:count = self.shapes['polygons']count = count + 1self.shapes['polygons'] = countshape_type = "多边形"# 求解中心位置mm = cv.moments(contours[cnt])if mm['m00'] == 0:continuecx = int(mm['m10'] / mm['m00'])cy = int(mm['m01'] / mm['m00'])cv.circle(result, (cx, cy), 3, (0, 0, 255), -1)# 颜色分析color = frame[cy][cx]color_str = "(" + str(color[0]) + ", " + str(color[1]) + ", " + str(color[2]) + ")"# 计算面积与周长p = cv.arcLength(contours[cnt], True)area = cv.contourArea(contours[cnt])print("周长: %.3f, 面积: %.3f 颜色: %s 形状: %s " % (p, area, color_str, shape_type))cv.imshow("Analysis Result", result)print("triangle: ", self.shapes['triangle'])print("rectangle: ", self.shapes['rectangle'])print("polygons: ", self.shapes['polygons'])print("circles: ", self.shapes['circles'])return self.shapesif __name__ == "__main__":src = cv.imread("./data/jihe2.png")ld = ShapeAnalysis()ld.analysis(src)cv.waitKey(0)cv.destroyAllWindows()

原始图像：

运行结果显示：

周长: 553.973, 面积: 11687.500 颜色: (190, 146, 112) 形状: 矩形 
周长: 479.556, 面积: 14743.500 颜色: (232, 162, 0) 形状: 矩形 
周长: 543.144, 面积: 18333.500 颜色: (21, 0, 136) 形状: 多边形 
周长: 341.421, 面积: 7593.000 颜色: (164, 73, 163) 形状: 多边形 
周长: 761.796, 面积: 13221.500 颜色: (87, 122, 185) 形状: 圆形 
周长: 594.257, 面积: 24703.500 颜色: (39, 127, 255) 形状: 圆形 
周长: 592.000, 面积: 14508.000 颜色: (36, 28, 237) 形状: 矩形 
周长: 432.291, 面积: 11939.500 颜色: (204, 72, 63) 形状: 多边形 
周长: 280.451, 面积: 4917.000 颜色: (190, 146, 112) 形状: 多边形 
周长: 531.588, 面积: 10587.000 颜色: (164, 73, 163) 形状: 矩形 
周长: 405.262, 面积: 4172.500 颜色: (76, 177, 34) 形状: 圆形 
周长: 370.191, 面积: 9746.000 颜色: (232, 162, 0) 形状: 圆形 
周长: 486.000, 面积: 14762.000 颜色: (232, 162, 0) 形状: 矩形 
triangle:  0
rectangle:  5
polygons:  4
circles:  4