opencv-050-二值图像分析(矩形面积与弧长)

知识点

对图像二值图像的每个轮廓,我们可以计算轮廓的弧长与面积,根据轮廓的面积与弧长可以实现对不同大小对象的过滤,寻找到我们感兴趣的roi区域,这个也是图像二值分析的任务之一。

OpenCV对轮廓点集计算面积的API函数如下:

1
2
3
4
5
6
7
8
double cv::contourArea(
InputArray contour,
bool oriented = false
)

计算轮廓的面积,其原理是基于格林公式。
参数contour表示输入的轮廓点集
参数oriented默认是false返回的面积是正数,如果方向参数为true表示会根据是顺时针或者逆时针方向返回正值或者负值面积。

OpenCV对轮廓点集计算弧长的API函数如下:

1
2
3
4
5
6
7
double cv::arcLength(
InputArray curve,
bool closed
)

参数curve表示输入的轮廓点集
参数closed默认表示是否闭合区域

代码(c++,python)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

/*
* 二值图像分析(矩形面积与弧长)
*/
int main() {
Mat src = imread("../images/zhifang_ball.png");
if (src.empty()) {
cout << "could not load image.." << endl;
}
imshow("input", src);

// 提取边缘
Mat binary;
Canny(src, binary, 80, 160);
imshow("binary", binary);

// 膨胀
Mat k = getStructuringElement(MORPH_RECT, Size(3, 3), Point(-1, -1));
dilate(binary, binary, k);

// 轮廓发现于绘制
vector<vector<Point>> contours;
vector<Vec4i> hierarchy;
findContours(binary, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE, Point());
for (size_t t = 0; t < contours.size(); ++t) {
// 最大外接矩形
// Rect rect = boundingRect(contours[t]);
// rectangle(src, rect, Scalar(0, 0, 255));

// 面积与弧长过滤
double area = contourArea(contours[t]);
double curvelen = arcLength(contours[t], true);
if (area < 100 || curvelen < 100){
continue;
}

// 最小外接矩形
RotatedRect rrt = minAreaRect(contours[t]);
Point2f pts[4];
rrt.points(pts);

// 绘制旋转矩形与中心位置
for (int i = 0; i < 4; ++i) {
line(src, pts[i % 4], pts[(i + 1) % 4], Scalar(0, 255, 0), 2);
}
Point2f cpt = rrt.center;
circle(src, cpt, 2, Scalar(255, 0, 0), 2);
}

imshow("contours", src);

waitKey(0);
return 0;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
import cv2 as cv
import numpy as np


def canny_demo(image):
t = 80
canny_output = cv.Canny(image, t, t * 2)
cv.imshow("canny_output", canny_output)
cv.imwrite("D:/canny_output.png", canny_output)
return canny_output


src = cv.imread("D:/images/zhifang_ball.png")
cv.namedWindow("input", cv.WINDOW_AUTOSIZE)
cv.imshow("input", src)
binary = canny_demo(src)
k = np.ones((3, 3), dtype=np.uint8)
binary = cv.morphologyEx(binary, cv.MORPH_DILATE, k)

# 轮廓发现
out, contours, hierarchy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
for c in range(len(contours)):
# x, y, w, h = cv.boundingRect(contours[c]);
# cv.drawContours(src, contours, c, (0, 0, 255), 2, 8)
# cv.rectangle(src, (x, y), (x+w, y+h), (0, 0, 255), 1, 8, 0);
area = cv.contourArea(contours[c])
arclen = cv.arcLength(contours[c], True)
if area < 100 or arclen < 100:
continue
rect = cv.minAreaRect(contours[c])
cx, cy = rect[0]
box = cv.boxPoints(rect)
box = np.int0(box)
cv.drawContours(src,[box],0,(0,0,255),2)
cv.circle(src, (np.int32(cx), np.int32(cy)), 2, (255, 0, 0), 2, 8, 0)


# 显示
cv.imshow("contours_analysis", src)
cv.imwrite("D:/contours_analysis.png", src)
cv.waitKey(0)
cv.destroyAllWindows()

结果

代码地址

github