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,