本文将会用三个不同的示例说明用OpenCV如何进行形状的检测与分析。
从这三个示例中我们将会学到如何：
- 计算一个轮廓或图形区域的中心点，这项小技能会在以后很多的OpenCV项目中将会非常实用。
- 识别不同的形状，例如圆形，正方形、矩形、三角形、椭圆等。
- 标识形状名称
image
图像中包含了太多对于我们这个示例中没有意义信息，我们的目标是要从图中检测每个图形的轮廓线并计算其中心点，为了达到这个效果我们需要先对图像进行一些预处理：
- 灰度化
- 对图像进行模糊处理以减少轮廓边缘出现的噪点
- 二值化图像，通常地边缘检测与读取阀值需要进行此过程
$ pip install imutils
import argparse
import imutils
import cv2
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=True,
help="path to the input image")
args = vars(ap.parse_args())
# 进行灰度化得到二值图
image = cv2.imread(args["image"])
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
thresh = cv2.threshold(blurred, 60, 255, cv2.THRESH_BINARY)[1]
以下是上述代码的输出效果：
image
下一步就是调用OpenCV的findContour方法检测灰度化图片中的轮廓：
cnts = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL,
cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if imutils.is_cv2() else cnts[1]
接下来就在每个轮廓上画出一个突出的边缘和标出中心点：
for c in cnts:
# 获取中心点
M = cv2.moments(c)
cX = int(M["m10"] / M["m00"])
cY = int(M["m01"] / M["m00"])
# 画出轮廓和中点
cv2.drawContours(image, [c], -1, (0, 255, 0), 2)
cv2.circle(image, (cX, cY), 7, (255, 255, 255), -1)
cv2.putText(image, "center", (cX - 20, cY - 20),
cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255), 2)
#显示图像
cv2.imshow("Image", image)
cv2.waitKey(0)
上述代码中cv2.moments()是用于计算图像矩，然后通过图像矩计算质心。以下是代码的显示效果：
image
