如何使用OpenCV Python在图像中检测矩形和正方形?
为了在图像中检测矩形和正方形,我们首先要检测图像中的所有轮廓。然后循环检查所有轮廓。为每个轮廓找到近似轮廓。如果近似轮廓中的顶点数为4,则计算宽高比以区分矩形和正方形。如果宽高比在0.9到1.1之间,则为正方形,否则为矩形。请参见下面的伪代码。
for cnt in contours:
approx = cv2.approxPolyDP(cnt)
if len(approx) == 4:
x, y, w, h = cv2.boundingRect(cnt)
ratio= float(w)/h
if ratio>=0.9 and ratio<=1.1:
cv2.putText('Square')
else:
cv2.putText('Rectangle')
步骤
您可以使用以下步骤来检测输入图像中的矩形和正方形 –
导入所需的库。在以下所有Python示例中,所需的Python库是 OpenCV 。请确保您已安装。
import cv2
使用 cv2.imread() 读取输入图像并将其转换为灰度。
img = cv2.imread('shapes.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
对灰度图像应用二值化以创建二进制图像。调整第二个参数以获得更好的轮廓检测。
ret,thresh = cv2.threshold(gray,50,255,0)
使用 cv2.findContours() 函数在图像中查找轮廓。
contours, _ = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
从轮廓列表中选择一个轮廓(比如第一个轮廓) cnt 。或者循环所有轮廓。
使用 cv2.approxPolyDP() 函数计算每个轮廓 cnt 的近似轮廓点。
approx = cv2.approxPolyDP(cnt,epsilon,True)
如果近似轮廓 approx 中的顶点数为4,则在图像上绘制轮廓。
计算轮廓 cnt 的宽高比。设置一个宽高比范围来检测正方形。我们将其设置为[0.9,1.1]。如果比率在0.9到1.1之间,则检测到的轮廓为正方形,否则为矩形。
显示带有检测到的矩形和正方形以及绘制轮廓的图像。
cv2.imshow("Shapes", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
让我们看一些示例以清楚理解。
示例
在下面的Python代码中,我们检测输入图像中的矩形和正方形。
import cv2
import numpy as np
img = cv2.imread('shapes.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(gray,50,255,0)
contours,hierarchy = cv2.findContours(thresh, 1, 2)
print("Number of contours detected:", len(contours))
for cnt in contours:
x1,y1 = cnt[0][0]
approx = cv2.approxPolyDP(cnt, 0.01*cv2.arcLength(cnt, True), True)
if len(approx) == 4:
x, y, w, h = cv2.boundingRect(cnt)
ratio = float(w)/h
if ratio >= 0.9 and ratio <= 1.1:
img = cv2.drawContours(img, [cnt], -1, (0,255,255), 3)
cv2.putText(img, '正方形', (x1, y1), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 255, 0), 2)
else:
cv2.putText(img, '矩形', (x1, y1), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2)
img= cv2.drawContours(img, [cnt], -1, (0,255,0), 3)
cv2.imshow("形状", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
将下面这张图片作为 输入 文件用于上述程序代码:
输出
当您执行上述代码时,将产生以下 输出 。
检测到的轮廓数:4
我们得到了以下窗口,显示输出 –
在上述输出图像中,检测到一个矩形和一个正方形。