爱站网使用体验,唐山app开发公司,网站设计怎么做有效的,网站导航设计图片『youcans 的 OpenCV 例程200篇 - 总目录』 【youcans 的 OpenCV 例程200篇】223. 特征提取之多边形拟合 目标特征的基本概念
通过图像分割获得多个区域#xff0c;得到区域内的像素集合或区域边界像素集合。我们把感兴趣的人或物称为目标#xff0c;目标所处的区域就是目标…『youcans 的 OpenCV 例程200篇 - 总目录』 【youcans 的 OpenCV 例程200篇】223. 特征提取之多边形拟合 目标特征的基本概念
通过图像分割获得多个区域得到区域内的像素集合或区域边界像素集合。我们把感兴趣的人或物称为目标目标所处的区域就是目标区域。 特征通常是针对于图像中的某个目标而言的。图像分割之后还要对目标区域进行适当的表示和描述以便下一步处理。 “表示”是直接具体地表示目标以节省存储空间、方便特征计算。目标的表示方法有链码、多边形逼近MPP、斜率标记图、边界分段、区域骨架。 “描述”是对目标的抽象表达在区别不同目标的基础上尽可能对目标的尺度、平移、旋转变化不敏感。 边界特征描述子
目标的边界描述符Boundary descriptors也称为边界描述子。 轮廓就是对目标边界的描述轮廓属性是基本的边界描述子。
例如
边界的长度轮廓线的像素数量是边界周长的近似估计边界的直径边界长轴的长度等于轮廓最小矩形边界框的长边长度边界的偏心率边界长轴与短轴之比等于轮廓最小矩形边界框的长宽比边界的曲率相邻边界线段的斜率差链码通过规定长度和方向的直线段来表示边界傅里叶描述符对二维边界点进行离散傅里叶变换得到的傅里叶系数对旋转、平移、缩放和起点不敏感统计矩把边界视为直方图函数用图像矩对边界特征进行描述具有平移、灰度、尺度、旋转不变性。 ### 例程 12.12轮廓的多边形拟合
OpenCV 中的函数 cv.approxPolyDP() 可以用于对图像轮廓点进行多边形拟合。
函数说明 cv.approxPolyDP(curve, epsilon, closed[, approxCurveNone]) → approxCurve函数 cv.approxPolyDP 使用 Douglas-Peucker 算法求得一条顶点较少的多折线/多边形以指定的精度近似输入的曲线或多边形。参考拟合直线拟合椭圆
参数说明
curve输入点集二维点向量的集合approxCurve输出点集表示拟合曲线或多边形数据与输入参数 curve 一致epsilon指定的近似精度原始曲线与近似曲线之间的最大距离close 闭合标志True 表示闭合多边形False 表示多边形不闭合
注意事项
Douglas-Peucker算法 1在曲线的起点 A 和终点 B 之间做一条直线 AB是曲线的弦 2寻找曲线上离该直线段距离最大的点 C计算其与 AB 的距离 d 3比较距离 d 与设定的阈值 threshold如果小于设定阈值则该直线段作为曲线的近似该段曲线处理完毕。 4如果距离 d 大于设定阈值则以 C 点将曲线 AB 分为两段 AC 和 BC并分别对这两段进行以上步骤的处理。 5当所有曲线都处理完毕时依次连接所有分割点形成的折线作为曲线的近似。 # 12.12 轮廓的多边形拟合img cv2.imread(../images/Fig1105.tif, flags1)gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 灰度图像blur cv2.boxFilter(gray, -1, (5, 5)) # 盒式滤波器9*9 平滑核_, binary cv2.threshold(blur, 205, 255, cv2.THRESH_OTSU cv2.THRESH_BINARY)# 寻找二值化图中的轮廓contours, hierarchy cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) # OpenCV4~print(len:, len(contours))# 绘制全部轮廓contourIdx-1 绘制全部轮廓imgCnts np.zeros(gray.shape[:2], np.uint8) # 绘制轮廓函数会修改原始图像imgCnts cv2.drawContours(imgCnts, contours, -1, (255, 255, 255), thickness2) # 绘制全部轮廓plt.figure(figsize(9, 6))plt.subplot(231), plt.axis(off), plt.title(Origin)plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))plt.subplot(232), plt.axis(off), plt.title(Binary)plt.imshow(binary, gray)plt.subplot(233), plt.axis(off), plt.title(Contour)plt.imshow(imgCnts, gray)cnts sorted(contours, keycv2.contourArea, reverseTrue) # 所有轮廓按面积排序cnt cnts[0] # 第 0 个轮廓面积最大的轮廓(664, 1, 2)print(shape of max contour:, cnt.shape[0])eps [50, 30, 10]for i in range(len(eps)):polyFit cv2.approxPolyDP(cnt, eps[i], True)print(eps{}, shape of fitting polygon:{}.format(eps[i], polyFit.shape[0]))fitContour np.zeros(gray.shape[:2], np.uint8) # 初始化最大轮廓图像cv2.polylines(fitContour, [cnt], True, 205, thickness2) # 绘制最大轮廓多边形曲线cv2.polylines(fitContour, [polyFit], True, 255, 3)plt.subplot(2,3,i4), plt.axis(off), plt.title(approxPoly(eps{}).format(eps[i]))plt.imshow(fitContour, gray)plt.tight_layout()plt.show()运行结果 shape of max contour: 547 eps50, shape of fitting polygon:5 eps30, shape of fitting polygon:8 eps10, shape of fitting polygon:13
运行结果表明用 13个顶点的多边形可以很好地逼近该轮廓的边界描述轮廓的边界特征显著降低了数据量。 【本节完】 版权声明 youcansxupt 原创作品转载必须标注原文链接(https://blog.csdn.net/youcans/article/details/125598167) Copyright 2022 youcans, XUPT Crated2022-6-30 197.轮廓的基本特征 200.轮廓的基本属性 223. 特征提取之多边形拟合
