当前位置 博文首页 > Python基于opencv的简单图像轮廓形状识别(全网最简单最少代码)
可以直接跳到最后整体代码看一看是不是很少的代码！！！！
思路：
1. 数据的整合
2. 图片的灰度转化
3. 图片的二值转化
4. 图片的轮廓识别
5. 得到图片的顶点数
6. 依据顶点数判断图像形状
图片文件共36个文件夹，每个文件夹有100张图片，共3600张图片。
每一个文件夹里都有形同此类的图形
对于多个文件夹，分析起来很不方便，所有决定将其都放在一个文件夹下进行分析，在python中具体实现如下：
本次需要的包
import cv2 import os from PIL import Image import matplotlib.pyplot as plt import numpy as np
a=os.listdir('C:\\Users\\dell\\Desktop\\OpenCVProofSet')#循环读取每个子文件夹
for i in range(len(a)):
b=os.listdir('C:\\Users\\dell\\Desktop\\OpenCVProofSet\\'+a[i])#读取每个子文件下的图片文件
for j in range(len(b)):
c=Image.open('C:\\Users\\dell\\Desktop\\OpenCVProofSet\\'+a[i]+'\\'+b[j])#循环读取每个图片文件
c.save('C:\\Users\\dell\\Desktop\\cleardata\\'+str(i)+'_'+str(j)+'.png')#以文件夹序号和图片序号为名保存在一个兴建文件夹下
结果如下：
3.1图片的灰度处理
以下以一张图片为例子作为说明
对于灰度的处理，选择使用opencv的cv2.cvtColor函数，代码示例如下：
d=os.listdir('C:\\Users\\dell\\Desktop\\cleardata\\')#文件路径
e=cv2.imread('C:\\Users\\dell\\Desktop\\cleardata\\'+d[5])#以矩阵的形式图片读入
plt.imshow(e)#画出示例图
进行灰度的转化：
g=cv2.cvtColor(e,cv2.COLOR_BGR2GRAY)##灰度转化
3.2图片的二值转化
对于图片的二值转化这里选用cv2.threshold函数，代码示例如下：
r,b=cv2.threshold(g,0,255,cv2.THRESH_OTSU)#二值转化，大于0的像素统一设置为255，小于等于0的统一设置为0
上述代码的第一个参数为灰度图形，第二个参数是阈值，即大于0的像素点转化为255，然后选用的THRESH_OTSU方法，具体说明如下：
通常情况，我们一般不知道设定怎样的阈值thresh才能得到比较好的二值化效果，只能去试。如对于一幅双峰图像（理解为图像直方图中存在两个峰），我们指定的阈值应尽量在两个峰之间的峰谷。这时，就可以用第四个参数THRESH_OTSU，它对一幅双峰图像自动根据其直方图计算出合适的阈值（对于非双峰图，这种方法得到的结果可能不理想）。
对于双峰图，我们需要多传入一个参数cv2.THRESH_OTSU，并且把阈值thresh设为0，算法会找到最优阈值，并作为第一个返回值ret返回。
其中会返回两个值，第二个值就是二值化后的图形矩阵。
3.3轮廓的寻找
在轮廓的寻找方面，采用cv2.findContours方式。代码示例如下：
cr,t=cv2.findContours(b, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)##找到边界，第一个参数是二值图像，第二个参数是获取轮廓的方式， #第三个参数定义轮廓的近似方式
上述函数里的参数中，第一个参数是二值化后的矩阵，第二个参数是获取轮廓的方式，第三个参数是定义轮廓的近似方式。后面两个参数的具体解释如下：
上面得到的结果中第一个结果是轮廓点的集合。
画出边界轮廓，运用函数是cv2.drawContours，代码示例如下：
plt.imshow(cv2.drawContours(e,cr,-1,50))#画出边界，可以看出有坐标轴和五角星两个边界，第一个参数是原图，第二个参数是边界， #第三个参数代表画出所有边界，第四个参数是线的粗细
上述函数中第一个参数是原始图形，第二个参数是得到的轮廓点的集合，第三个参数是代表画出所有轮廓点，第四个参数是线的粗细。
得到结果如下：
可以发现，坐标轴的轮廓和五角星的轮廓都被画了出来。
3.4轮廓的逼近，得到顶点
在得到轮廓点后，需要得到轮廓的顶点，通过顶点得到具体什么图形，在轮廓逼近中用到两个函数：cv2.arcLength，cv2.approxPolyDP，代码示例如下：
ep = 0.01*cv2.arcLength(cr[1], True)#五角星轮廓的周长cr[0]是坐标轴的周长，然后将其缩小，作为下一步的阈值 ap = cv2.approxPolyDP(cr[1], ep, True)#轮廓的转折点的近似点
cv2.arcLength得到的是轮廓点形成的曲线围成的图形的周长，cr[1]代表里层五角星的轮廓点，因为cr里有两个轮廓集合，一个是外层的坐标轴的轮廓点集合，一个是里层五角星的轮廓点集合。True代表闭合的曲线。将其取1%作为下一个函数的阈值。
cv2.approxPolyDP将其得到的轮廓点进行筛选（按设定的阈值与其真实的线进行比较），其筛选的标准就是上一个函数得到的1%的周长，大于这个值的点舍去，小于这个值的点保留，True依然代表闭合曲线。
通过以上的步骤就可以保留一些点，而这些点就是得到顶点（这点需要读者去想一想，为什么以1%周长为阈值得到的点就是顶点，作者认为是两条线的拐点相对于来说是里真实线最近的点）
顶点数：
len(ap)#可以看见五角星有10个点
根据得到的定点数就可判断出形状了，三个顶点就是三角形，四个就是矩形，十个就是五角星，十个以上就是圆形了；上述的完整代码如下：
import cv2
import os
from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
d=os.listdir('C:\\Users\\dell\\Desktop\\cleardata\\')
for i in range(len(d)):
e=cv2.imread('C:\\Users\\dell\\Desktop\\cleardata\\'+d[i])
g=cv2.cvtColor(e,cv2.COLOR_BGR2GRAY)
r,b=cv2.threshold(g,0,255,cv2.THRESH_OTSU)
cr,t=cv2.findContours(b, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
ep = 0.01*cv2.arcLength(cr[1], True)
ap = cv2.approxPolyDP(cr[1], ep, True)
co=len(ap)
if co==3:
st='三角形'
elif co==4:
st='矩形'
elif co==10:
st='五角星'
else:
st='圆'
plt.imsave('C:\\Users\\dell\\Desktop\\形状\\'+st+str(e[100][100])+str(i)+'.jpg',e)#取图像中间的点的RGB作为颜色代表
这里我还取了图形的中点，希望得到图片的颜色，其得到的是RGB值，通过RGB值就可以得到颜色。
最终结果如下：
