1、功能描述

找出圖片中的輪廓，擬合輪廓外接橢圓和外接矩陣

2、代碼實現

導入必要的庫，固定好隨機種子

import cv2 as cv
import numpy as np
import argparse
import random as rngrng.seed(12345)

讀取輸入圖片，判定圖片是否讀入成功

parser = argparse.ArgumentParser(description='Code for Creating Bounding rotated boxes and ellipses for contours tutorial.')
parser.add_argument('--input', help='Path to input image.', default='1.png')
args = parser.parse_args()
src = cv.imread(cv.samples.findFile(args.input))if src is None:print('Could not open or find the image:', args.input)exit(0)

灰度化圖片，并平滑

# Convert image to gray and blur it
src_gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
src_gray = cv.blur(src_gray, (3, 3))
source_window = 'Source'
cv.namedWindow(source_window)
cv.imshow(source_window, src)

創(chuàng)建滾動條，動態(tài)配置參數，隨著滑動條的滑動實現不同的算法效果

max_thresh = 255
thresh = 100  # initial threshold
cv.createTrackbar('Canny Thresh:', source_window, thresh, max_thresh, thresh_callback)
thresh_callback(thresh)
cv.waitKey()

算法核心函數 thresh_callback，下面具體看看細節(jié)

def thresh_callback(val):global src_graythreshold = valsrc_gray = cv.GaussianBlur(src_gray, (3, 3), 0.1)canny_output = cv.Canny(src_gray, threshold, threshold * 2)

高斯模糊，canny 算子

    contours, _ = cv.findContours(canny_output, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)# Find the rotated rectangles and ellipses for each contourminRect = [None] * len(contours)minEllipse = [None] * len(contours)for i, c in enumerate(contours):minRect[i] = cv.minAreaRect(c)if c.shape[0] > 5:minEllipse[i] = cv.fitEllipse(c)# Draw contours + rotated rects + ellipses

找出輪廓，遍歷輪廓，最小外接矩形框直接調用 cv2.minAreaRect 即可

如果輪廓多于 5 個點，cv2.fiEllipse 找橢圓

    # Draw contours + rotated rects + ellipsesdrawing = np.zeros((canny_output.shape[0], canny_output.shape[1], 3), dtype=np.uint8)for i, c in enumerate(contours):color = (rng.randint(0, 256), rng.randint(0, 256), rng.randint(0, 256))# contourcv.drawContours(drawing, contours, i, color)# ellipseif c.shape[0] > 5:cv.ellipse(drawing, minEllipse[i], color, 2)# rotated rectanglebox = cv.boxPoints(minEllipse[i])# box = cv.boxPoints(minRect[i])box = np.intp(box)  # np.intp: Integer used for indexing (same as C ssize_t; normally either int32 or int64)# box = np.int0(box)  # normally either int32 or int64)cv.drawContours(drawing, [box], 0, color)cv.imshow('Contours', drawing)cv.imshow("Canny", canny_output)

繪制輪廓，輪廓外接矩陣，輪廓擬合出來的橢圓，隨機顏色

注意 box = cv.boxPoints(minEllipse[i]) 繪制的是橢圓的外接矩陣，而 box = cv.boxPoints(minRect[i]) 繪制輪廓的外接矩陣被注釋掉了

3、完整代碼

import cv2 as cv
import numpy as np
import argparse
import random as rngrng.seed(12345)def thresh_callback(val):global src_graythreshold = valsrc_gray = cv.GaussianBlur(src_gray, (3, 3), 0.1)canny_output = cv.Canny(src_gray, threshold, threshold * 2)contours, _ = cv.findContours(canny_output, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)# Find the rotated rectangles and ellipses for each contourminRect = [None] * len(contours)minEllipse = [None] * len(contours)for i, c in enumerate(contours):minRect[i] = cv.minAreaRect(c)if c.shape[0] > 5:minEllipse[i] = cv.fitEllipse(c)# Draw contours + rotated rects + ellipsesdrawing = np.zeros((canny_output.shape[0], canny_output.shape[1], 3), dtype=np.uint8)for i, c in enumerate(contours):color = (rng.randint(0, 256), rng.randint(0, 256), rng.randint(0, 256))# contourcv.drawContours(drawing, contours, i, color)# ellipseif c.shape[0] > 5:cv.ellipse(drawing, minEllipse[i], color, 2)# rotated rectanglebox = cv.boxPoints(minEllipse[i])# box = cv.boxPoints(minRect[i])box = np.intp(box)  # np.intp: Integer used for indexing (same as C ssize_t; normally either int32 or int64)# box = np.int0(box)  # normally either int32 or int64)cv.drawContours(drawing, [box], 0, color)cv.imshow('Contours', drawing)cv.imshow("Canny", canny_output)parser = argparse.ArgumentParser(description='Code for Creating Bounding rotated boxes and ellipses for contours tutorial.')
parser.add_argument('--input', help='Path to input image.', default='1.png')
args = parser.parse_args()
src = cv.imread(cv.samples.findFile(args.input))if src is None:print('Could not open or find the image:', args.input)exit(0)# Convert image to gray and blur it
src_gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
src_gray = cv.blur(src_gray, (3, 3))
source_window = 'Source'
cv.namedWindow(source_window)
cv.imshow(source_window, src)
max_thresh = 255
thresh = 100  # initial threshold
cv.createTrackbar('Canny Thresh:', source_window, thresh, max_thresh, thresh_callback)
thresh_callback(thresh)
cv.waitKey()

4、結果展示

Canny Thresh：0

Canny Thresh：5

Canny Thresh：15

Canny Thresh：25

Canny Thresh：35

Canny Thresh：45

Canny Thresh：100

Canny Thresh：150

Canny Thresh：200

Canny Thresh：255

5、涉及到的庫函數

5.1、cv2.Canny

cv2.Canny 是 OpenCV 庫中用于邊緣檢測的一個函數，它實現了 Canny 邊緣檢測算法。Canny 邊緣檢測是一種非常流行的邊緣檢測算法，由 John F. Canny 在 1986 年提出。這個算法旨在尋找圖像中的最優(yōu)邊緣，它通過應用多尺度高斯濾波來減少噪聲，然后計算圖像梯度，接著通過非極大值抑制和滯后閾值化來檢測邊緣。

edges = cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]])

• image：輸入的灰度圖像。在進行 Canny 邊緣檢測之前，通常需要先將圖像轉換為灰度圖像。
• threshold1：第一個閾值，用于滯后閾值化中的低閾值。
• threshold2：第二個閾值，用于滯后閾值化中的高閾值。只有那些梯度值高于 threshold2 的像素才會被當作邊緣，而梯度值位于 threshold1 和 threshold2 之間的像素只有在它們連接到高閾值邊緣時才會被接受。
• edges：輸出參數，用于存儲檢測到的邊緣。如果不指定，則會自動創(chuàng)建一個同大小的輸出圖像。
• apertureSize：Sobel 算子的大小，默認為 3。這個參數影響梯度計算的精度，但增加大小也會增加計算時間。
• L2gradient：一個布爾值，指示是否使用更精確的 L2 范數來計算圖像梯度幅值。默認值為 False，即使用 L1 范數（即簡單地將梯度在 x 和 y 方向的分量相加）。

返回值：

• edges：一個二值圖像，其中檢測到的邊緣像素被設置為白色（255），其他像素被設置為黑色（0）。

Canny 邊緣檢測的優(yōu)點在于它能夠有效地抑制噪聲，并且檢測到的邊緣通常是連續(xù)的。然而，它的效果也依賴于所選的閾值，因此在實際應用中，可能需要根據具體情況調整 threshold1 和 threshold2 的值。

5.2 cv2.boxPoints

cv2.boxPoints 用于計算給定矩形旋轉后的頂點坐標。這個函數在需要處理旋轉矩形時非常有用，比如在圖像中繪制旋轉的邊界框時。

points = cv2.boxPoints(box[, rotMat])

參數解釋：

• box：表示矩形的參數。這可以是一個包含四個元素的元組或列表 (center_x, center_y, width, height)，其中 (center_x, center_y) 是矩形中心的坐標，width 和 height 分別是矩形的寬度和高度（注意：這里的寬度和高度是按照矩形的原始大小，不考慮旋轉）。在某些版本的 OpenCV 中，box 也可能是一個 cv2.RotatedRect 對象。
• rotMat：可選參數，表示旋轉矩陣。這是一個 2x3 的浮點數數組，用于指定對矩形進行額外旋轉的角度。如果未提供此參數，則矩形不會被額外旋轉，只返回根據 box 參數計算出的四個頂點坐標。

返回值：

• points：一個包含四個點的 NumPy 數組，每個點都是一個包含兩個元素的元組或列表 (x, y)，表示旋轉后矩形的頂點坐標。

需要注意的是，如果 box 是一個 cv2.RotatedRect 對象，那么它本身就包含了旋轉信息（即旋轉角度和中心點），此時 rotMat 參數將被忽略，因為 cv2.RotatedRect 已經定義了矩形的旋轉狀態(tài)。

示例代碼：

import cv2  
import numpy as np  # 定義一個中心點、寬度、高度的矩形  
center = (100, 100)  
width = 200  
height = 100  
angle = 45  # 旋轉角度（以度為單位）  # 創(chuàng)建一個旋轉矩形對象  
rect = cv2.RotatedRect(center, (width, height), angle)  # 獲取旋轉矩形的頂點  
points = cv2.boxPoints(rect)  
points = np.intp(points)  # 將坐標轉換為整數類型，以便在圖像上繪制  # 創(chuàng)建一個黑色圖像  
image = np.zeros((256, 256, 3), dtype=np.uint8)  # 在圖像上繪制旋轉矩形的邊  
for i in range(4):  cv2.line(image, tuple(points[i]), tuple(points[(i+1)%4]), (255, 0, 0), 2)  
# 顯示圖像  
cv2.imshow('Rotated Rectangle', image)  
cv2.waitKey(0)  
cv2.destroyAllWindows()

在這個示例中，我們首先定義了一個矩形的中心點、寬度、高度和旋轉角度，然后創(chuàng)建了一個 cv2.RotatedRect 對象來表示這個旋轉矩形。接著，我們使用 cv2.boxPoints 函數來獲取旋轉矩形的頂點坐標，并在一個黑色圖像上繪制了這個矩形的邊。最后，我們顯示了包含旋轉矩形的圖像。

6、參考

• 根據輪廓創(chuàng)建旋轉框和橢圓
• 【python】OpenCV—findContours（4.2）