opencv-python小课堂-day-07

# 图像轮廓
# 图像轮廓是具有相同颜色或者灰度的连续点的曲线


# 轮廓的作用
# 用于图像分析
# 物体的识别和检测

# 注意点：
# 为了检测准确性，需要先对图像进行二值化或者canny边缘检测
# 画轮廓时会修改输入法人图像，如果之后想继续使用原图像，应该将原始图像存储到其他变量之中。

# 查找轮廓
# findContours(image,mode,method)
# mode：查找轮廓的模式
# RETR_EXTERNAL = 0 表示只查找外围轮廓
# method轮廓近似方法也叫ApproximationMdode
# CHAIN_APPROX_NONE:保存所有轮廓上的点
# CHAIN_APPROX_SIMPLE:只保存角点

# 返回两个值，一个contours,一个hierarchy即轮廓和层级

import cv2 as cv
import numpy as np

img = cv.imread("./contours.jpg")

gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)

kernel = cv.getStructuringElement(cv.MORPH_RECT,(5,5))
dst = cv.adaptiveThreshold(gray,255,cv.ADAPTIVE_THRESH_MEAN_C,cv.THRESH_BINARY_INV,3,0)

contours,hierarchy = cv.findContours(dst,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_NONE)

cv.imshow('img', np.hstack(( gray,dst)))
cv.waitKey(0)
cv.destroyAllWindows()

# 绘制轮廓

# drawContours(image,contours,contouldx,color,thickness)
# image:要绘制的轮廓图像
# contours:轮廓点
# contourldx:要绘制的轮廓的编号，-1表示绘制所有轮廓
# thickness:-1表示全部填充
import cv2 as cv
import numpy as np

img = cv.imread("./contours.jpg")

gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)

kernel = cv.getStructuringElement(cv.MORPH_RECT,(3,3))
dst = cv.adaptiveThreshold(gray,255,cv.ADAPTIVE_THRESH_MEAN_C,cv.THRESH_BINARY,3,0)

# 1-查找轮廓
contours,hierarchy = cv.findContours(dst,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_NONE)
# 2-画出轮廓
cv.drawContours(img,contours,0,(0,255,0),2)

cv.imshow('img',img)
cv.waitKey(0)
cv.destroyAllWindows()

# 计算轮廓的周长和面积

# 轮廓面积是指每个轮廓中所有像素点围成的区域面积，单位为像素
# 在查找轮廓后，可能会出现很多细小的轮廓，可以通过轮廓的面积进行过滤

# contourArea(contour)
# arcLength(curve,closed)
# curve就是轮廓
# closed是否闭合的轮廓


import cv2 as cv
import numpy as np

img = cv.imread("./contours.jpg")

gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)

kernel = cv.getStructuringElement(cv.MORPH_RECT,(3,3))
dst = cv.adaptiveThreshold(gray,255,cv.ADAPTIVE_THRESH_GAUSSIAN_C,cv.THRESH_BINARY,3,0)

contours,hierachy = cv.findContours(dst,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_NONE)
cv.drawContours(img,contours,-1,(0,0,255),2)

while True:
    for i in range(len(contours)):
    # 计算面积
        area = cv.contourArea(contours[i])
        print(area)

    # 计算周长
        length = cv.arcLength(contours[i],closed = True)
        print(length)

cv.imshow('img',img)
cv.waitKey(0)
cv.destroyAllWindows()

# 多边形逼近与凸包

# 查找轮廓后的轮廓信息过于复杂不平滑，可以用多边形逼近函数对多边形曲线做适当近似，这就是多边形逼近
# 核心就是不断找多边形最远的点加入形成新的多边形，知道最短距离小于指定的精度。

# approxPolyDP(curve,epsilon,closed)
# curve:要近似逼近的轮廓
# epsilon:即DP算法使用的阈值
import cv2 as cv
import numpy as np

img = cv.imread("./hand.png")

gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)

thresh,dst = cv.threshold(gray,127,255,cv.THRESH_BINARY)

contours,hierarchy = cv.findContours(dst,cv.RETR_TREE,cv.CHAIN_APPROX_SIMPLE)

cv.drawContours(img,contours,0,(0,0,255),2)

approx = cv.approxPolyDP(contours[0],20,True)
cv.drawContours(img,[approx],-1,(0,255,255),2)


# 凸包指的是完全包含原有轮廓，并且仅由轮廓上的点所构成的多边形
# 凸包的每一处都是凸的，即在凸包内连接任意两点的直线都在凸包的内部，在凸包内，任意连续三个点的内角小于180°

hull = cv.convexHull(contours[0])
cv.drawContours(img,[hull],-1,(100,100,255),2)

cv.imshow('img',img)
cv.waitKey(0)
cv.destroyAllWindows()

# 外接矩形
# 外接矩形分为最小外接矩形和最大外接矩形
# 最小外接矩形
# minAreaRect(points)
# points:就是轮廓 返回元组，内容是一个旋转矩形的参数（起始坐标x,y，宽高，旋转角度）
# 最大外接矩形
# boudingRect(points)


import cv2 as cv
import numpy as np

# 1-导入图片
hand = cv.imread("./hello.png")

# 2-转化为灰度图
gray = cv.cvtColor(hand,cv.COLOR_BGR2GRAY)
# 3-二值化
thresh,dst = cv.threshold(gray,127,255,cv.THRESH_BINARY)

# 4-查找轮廓
contours, hierarachy = cv.findContours(dst,cv.RETR_TREE,cv.CHAIN_APPROX_SIMPLE)

# 5-绘制轮廓
# cv.drawContours(hand,contours,0,(0,255,0),2)

# 6-绘制最小外接旋转矩形
rect = cv.minAreaRect(contours[1])
# rect是一个旋转矩形，矩形的起始坐标（x，y）和，矩形的长宽，矩形的旋转角度
# print(rect)

# 7-绘制旋转矩形
points = cv.boxPoints(rect)
# 其实就是帮我们把旋转矩阵的4个坐标点计算出来了
# print(points)
# 注意坐标必须是整数，所以这里的坐标需要转化一下
# int0直接取整数，不做四舍五入
# points = np.int0(points)
# 采用四舍五入
# points = np.int0(np.round(points))
# 或者
# points = np.round(points).astype("int64")

# cv.drawContours(hand,[points],0,(255,0,255),2)

# 8-绘制最大外接矩形，返回值是最大外接矩形的 x,y,w,h
x,y,w,h = cv.boundingRect(contours[1])
cv.rectangle(hand,(x,y),(x+w,y+h),(0,255,255),2)

cv.imshow("img",hand)
cv.waitKey(0)
cv.destroyAllWindows()