二值图像分析最常见的方式

轮廓属性

二值图像分析最常见的一个主要方式就是轮廓发现与轮廓分析，其中轮廓发现的目的是为轮廓分析做准备，经过轮廓分析我们可以得到轮廓各种有用的属性信息、常见的如下：

轮廓面积

轮廓周长

轮廓几何矩

轮廓的最小外接矩形

轮廓的最大外接矩形

轮廓的最小外接圆

轮廓的最小外接三角形

轮廓拟合(支持拟合直线、椭圆、圆)

轮廓的凸包

轮廓层次信息提取

多边形逼近

计算欧拉数

函数介绍

OpenCV中提供大量轮廓分析函数，通过这些函数我们可以方便快捷的得到轮廓的各种有用属性信息、高效完成各种二值图像分析需求，下面是我总结的一些常用的函数列表与说明。

OpenCV中轮廓发现函数如下:

 

void cv::findContours(
InputArray      image,
OutputArrayOfArrays contours,
OutputArray hierarchy,
int   mode,
int   method,
Point       offset = Point()
)

 

参数解释如下：

image: 输入图像、八位单通道的，背景为黑色
contours: 得到的轮廓图像
hierarchy: 层次图像，根据需要提取轮廓层次信息
mode: 决定提取到层次信息内容，是多层还是单层
method: 每个轮廓的编码信息
offset: 表示轮廓偏移，默认为0

轮廓分析相关的常用函数

 

// 计算轮廓面积
double cv::contourArea(
InputArray contour,
bool oriented = false
)
// 计算轮廓周长
double cv::arcLength(
InputArray      curve,
bool        closed
)
// 计算几何矩与中心距
Moments cv::moments(
InputArray      array,
bool        binaryImage = false
)
// 计算最小外接矩形
RotatedRect cv::minAreaRect(
InputArray      points
)
// 计算最大外接矩形
Rect cv::boundingRect(
InputArray      array
)
// 计算最小外接圆/拟合圆
void cv::minEnclosingCircle(
InputArray      points,
Point2f &        center,
float &    radius
)
// 计算最小外接三角形/拟合三角形
double cv::minEnclosingTriangle(
InputArray      points,
OutputArray   triangle
)
// 拟合直线
void cv::fitLine(
InputArray      points,
OutputArray   line,
int   distType,
double    param,
double    reps,
double    aeps
)
// 拟合椭圆
RotatedRect cv::fitEllipse(
InputArray      points
)
// 计算凸包
void cv::convexHull(
InputArray      points,
OutputArray   hull,
bool        clockwise = false,
bool        returnPoints = true
)
// 多边形逼近-逼近真实形状
void cv::approxPolyDP(
InputArray      curve,
OutputArray   approxCurve,
double    epsilon,
bool        closed
)

 

灵活使用上述轮廓属性信息，可以实现对二值图像的几何形状判别、测量、面积过滤、获取每个对象的几何属性包括面积、周长、编码点、形状、层次/位置信息、欧拉数、中心位置、倾斜角度。

综合运用代码演示

2020年 以前我分享过一些综合使用的例子，列表如下(都看过你就赢了)：

二值图像分析案例精选

OpenCV二值图像案例分析精选 | 第二期

OpenCV轮廓层次分析实现欧拉数计算

OpenCV寻找复杂背景下物体的轮廓

如何识别出轮廓准确的长和宽

OpenCV中几何形状识别与测量

OpenCV中BLOB特征提取与几何形状分类

OpenCV直线拟合检测

OpenCV中实现曲线与圆拟合

这里再分享一个硬币计数的例子！

原图如下：

 

代码如下：

 

// 加载图像
Mat img = imread("D:/CoinsB.png");
imshow("Original Image", img);

// 阈值化操作
Mat gray, binary;
cvtColor(img, gray, COLOR_BGR2GRAY);
float t = threshold(gray, binary, 0, 255, THRESH_BINARY|THRESH_OTSU);
imshow("binary", binary);
imwrite("D:/binary1.png", binary);

// 形态学操作
Mat se = getStructuringElement(MORPH_RECT, Size(3, 3));
morphologyEx(binary, binary, MORPH_OPEN, se, Point(-1, -1));

// 轮廓发现
vector hireachy;
vector> contours;
bitwise_not(binary, binary);
findContours(binary, contours, hireachy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point());
Mat result = img.clone();
Point2f center;
float radius;

// 轮廓分析
for (size_t t = 0; t < contours.size(); t++) {
    double area = contourArea(contours[t]);
    if (area < 1000) {
        continue;
    }
    RotatedRect rrt = fitEllipse(contours[t]);
    radius = min(rrt.size.width, rrt.size.height)/2.0;
    circle(result, rrt.center, radius, Scalar(0, 0, 255), 4, 8, 0);
    Moments mm = moments(contours[t]);
    double cx = mm.m10 / mm.m00;
    double cy = mm.m01 / mm.m00;
    circle(result, Point(cx, cy), 2, Scalar(255, 0, 0), 2, 8, 0);
}

// 显示结果
imshow("result", result);
imwrite("D:/drawing.png", result);
waitKey(0);

 

 

　　

      审核编辑：彭静