【问题标题】:Shape Detection in python using OpenCV使用 OpenCV 在 python 中进行形状检测
【发布时间】:2014-03-28 06:00:15
【问题描述】:

我正在做一个使用 OpenCV 检测形状及其颜色的项目。

有 5 种颜色(红色、绿色、黄色、蓝色和白色)和 4 种形状(矩形、星形、圆形和心形)。当使用的图像是像this 这样的绘制图像时,我已经能够可靠地辨别颜色并且可以检测到形状 使用此代码。请注意,图片仅用于演示,我的代码中的范围值不适用于这些颜色。

import cv2
import numpy as np
class Shape():

    def __init__(self, color, shape, x, y, approx):
        self.color = color
        self.shape = shape
        self.x = x
        self.y = y
        self.approx = approx
def closing(mask):
kernel = np.ones((7,7),np.uint8) 
closing = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel)
return closing

def opening(mask):
    kernel = np.ones((6,6),np.uint8)
    opening = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)
    return opening

#Define Red
lower_red = np.array([0, 90, 60], dtype=np.uint8)
upper_red = np.array([10, 255, 255], dtype=np.uint8)
red = [lower_red, upper_red, 'red']

#Define Green
lower_green = np.array([60, 55, 0], dtype=np.uint8)
upper_green = np.array([100, 255, 120], dtype=np.uint8)
green = [lower_green, upper_green, 'green']

#Define Blue
lower_blue = np.array([90, 20, 60], dtype=np.uint8)
upper_blue = np.array([130, 255, 180], dtype=np.uint8)
blue = [lower_blue, upper_blue, 'blue']

#Define Yellow
lower_yellow = np.array([5, 110, 200], dtype=np.uint8)
upper_yellow = np.array([50, 255, 255], dtype=np.uint8)
yellow = [lower_yellow, upper_yellow, 'yellow']

#Define White
lower_white = np.array([0, 90, 60], dtype=np.uint8)
upper_white = np.array([10, 255, 255], dtype=np.uint8)
white = [lower_white, upper_white ,'white']

colors = [red, green, blue, yellow, white]

def detect_shapes(image_location):
    #Open image
    img = cv2.imread(image_location)

    #Convert to hsv
    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

    #Shape list
    shapes = []

    #Lay over masks and detect shapes
    for color in colors:
        mask = cv2.inRange(hsv, color[0], color[1])
        mask = closing(mask)
        mask = opening(mask)
        contours, h = cv2.findContours(mask, 1, cv2.CHAIN_APPROX_SIMPLE)
        contours.sort(key = len)
        for contour in contours[-3:]:
            #Amount of edges
            approx = cv2.approxPolyDP(contour, 0.01*cv2.arcLength(contour, True), True)
            #Center locations
            M = cv2.moments(contour)
            if M['m00'] == 0.0:
                continue
            centroid_x = int(M['m10']/M['m00'])
            centroid_y = int(M['m01']/M['m00'])

            if len(approx) == 4:
                shape_name = 'rectangle'
            elif len(approx) == 10:
                shape_name = 'star'
            elif len(approx) >= 11:
                shape_name = 'oval'
            else:
                shape_name ='undefined'

            shape = Shape(color[2], shape_name, centroid_x, centroid_y, len(approx))
            shapes.append(shape)

    return shapes

这主要基于this question 上的答案。

但是,当我尝试检测实际照片上的形状时,我无法可靠地使用它。我得到的边缘数量变化很大。 This 是我需要识别其形状的照片示例。 我猜这是因为形状边缘的小瑕疵造成的,但我不知道如何用直线逼近这些边缘,或者如何可靠地识别圆形。我需要在代码中进行哪些更改才能做到这一点?密集的谷歌搜索还没有给我答案,但这可能是因为我在搜索中没有使用正确的术语......

另外,如果这个问题的格式不正确,请告诉我!

【问题讨论】:

  • 在计算approx 时使用大于0.01 的数字可能会更好。但是,您可能会遇到圆形组件的问题,最好单独处理。
  • @Habba 试试Convex Hull
  • @Haris 这可能适用于圆形和矩形,但可以识别星星吗?或者我应该寻找五边形吗?
  • @Habba 如果您没有复杂的形状,您可以继续使用 approxPolyDP() ,您将为星形设置另外 15 个点,请参阅我得到的 result,这里绿色是检测到的形状.
  • @Haris 哇,看起来真不错。你能解释一下你做了什么吗?首先是凸包,然后是近似PolyDP?还是坎尼?我已经阅读了相关内容,但不知道它是否对这个问题有用。

标签: python opencv shapes


【解决方案1】:

这是我处理你的图像的代码,代码会做

  1. 模糊源
  2. Canny 边缘检测。
  3. 寻找轮廓。
  4. 轮廓的 approxPolyDP。
  5. 检查 approxPolyDP 点的总大小。

代码:

   Mat src=imread("src.jpg",1);
   Mat thr,gray;
   blur(src,src,Size(3,3));
   cvtColor(src,gray,CV_BGR2GRAY);
   Canny(gray,thr,50, 190, 3, false );
   vector<vector<Point> > contours;
   vector<Vec4i> hierarchy;
   findContours( thr.clone(),contours,hierarchy,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE,Point(0,0));

   vector<vector<Point> > contours_poly(contours.size());
   vector<Rect> boundRect( contours.size() );
   vector<Point2f>center( contours.size() );
   vector<float>radius( contours.size() );
   vector<vector<Point> >hull( contours.size() );
   for( int i = 0; i < contours.size(); i++ )
    {
    approxPolyDP( Mat(contours[i]), contours_poly[i], 10, true );
    boundRect[i] = boundingRect( Mat(contours_poly[i]) );
    minEnclosingCircle( (Mat)contours_poly[i], center[i], radius[i] );
    convexHull( Mat(contours[i]), hull[i], false );

    if( contours_poly[i].size()>15) // Check for corner
       drawContours( src, contours_poly, i, Scalar(0,255,0), 2, 8, vector<Vec4i>(), 0, Point() ); // True object
    else
       drawContours( src, contours_poly, i, Scalar(0,0,255), 2, 8, vector<Vec4i>(), 0, Point() ); // false object
      //drawContours( src, hull, i, Scalar(0,0,255), 2, 8, vector<Vec4i>(), 0, Point() );
      // rectangle( src, boundRect[i].tl(), boundRect[i].br(), Scalar(0,255,0), 2, 8, 0 );
       //circle( src, center[i], (int)radius[i], Scalar(0,0,255), 2, 8, 0 );
    }
   imshow("src",src);
   imshow("Canny",thr);
   waitKey();

【讨论】:

  • 非常感谢!这肯定会帮助我理解如何做这些事情。
  • 你能解释一下第五步吗?谢谢!
  • 那是你必须检查contours_poly里面有多少点,这是一个cv::Point类型的向量。 contours_poly 包含每个轮廓的角点。这样你就可以确认物体是否是星星。
  • 这是 c++ 对,python 代码在吗?只是好奇我不写c,无论如何我都可以将它转换为python,谢谢这太好了!
猜你喜欢
  • 2019-02-25
  • 1970-01-01
  • 2014-07-25
  • 1970-01-01
  • 2011-09-13
  • 2015-11-05
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
相关资源
最近更新 更多