OpenCV Bildkonturerkennung

Die Konturerkennung ist eine wichtige Aufgabe in der Bildverarbeitung und wird verwendet, um die Grenzen von Objekten in einem Bild zu extrahieren.

OpenCV bietet leistungsstarke Funktionen zur Konturerkennung, die für Anwendungen wie Objekterkennung, Formanalyse und Zielverfolgung verwendet werden können. Im Folgenden wird die OpenCV-Bildkonturerkennung ausführlich beschrieben.

Grundlegende Konzepte der Konturerkennung

  • Kontur:Die Grenze eines Objekts in einem Bild, die aus einer Reihe von Punkten besteht.

  • Konturhierarchie:Die Verschachtelungsbeziehung zwischen Konturen, zum Beispiel, ob eine Kontur eine andere enthält.

  • Konturmerkmale:Die Fläche, der Umfang, das Begrenzungsrechteck, das minimal umschließende Rechteck, der minimal umschließende Kreis usw. einer Kontur.

Gängige Funktionen zur Konturerkennung

Funktionsname Funktionsbeschreibung
cv2.findContours() Konturen in einem Bild finden.
cv2.drawContours() Konturen auf einem Bild zeichnen.
cv2.contourArea() Die Fläche einer Kontur berechnen.
cv2.arcLength() Den Umfang oder die Bogenlänge einer Kontur berechnen.
cv2.boundingRect() Berechne das umgebende Rechteck einer Kontur.
cv2.minAreaRect() Berechne das minimal umschließende Rechteck einer Kontur.
cv2.minEnclosingCircle() Berechne den minimal umschließenden Kreis einer Kontur.
cv2.approxPolyDP() Führe eine Polygonapproximation an einer Kontur durch.

Detaillierte Funktionsbeschreibungen

1. cv2.findContours()

Funktionsbeschreibung:
Diese Funktion wird verwendet, um Konturen in einem Binärbild zu finden. Eine Kontur ist eine Kurve aus zusammenhängenden Punkten mit derselben Farbe oder Intensität in einem Bild.

Funktionsdefinition:

contours, hierarchy = cv2.findContours(image, mode, method[, contours[, hierarchy[, offset]]])

Parameterbeschreibung:

  • image: Das eingegebene Binärbild (normalerweise ein Bild nach Schwellenwertbildung oder Kantenerkennung).
  • mode: Kontur-Retrieval-Modus, häufig verwendete sind:
    • cv2.RETR_EXTERNAL: Nur die äußersten Konturen erkennen.
    • cv2.RETR_LIST: Alle Konturen erkennen, aber keine Hierarchie aufbauen.
    • cv2.RETR_TREE: Alle Konturen erkennen und eine vollständige Hierarchie aufbauen.
  • method: Kontur-Approximationsmethode, häufig verwendete sind:
    • cv2.CHAIN_APPROX_NONE: Alle Konturpunkte speichern.
    • cv2.CHAIN_APPROX_SIMPLE: Horizontale, vertikale und diagonale Segmente komprimieren und dabei nur Endpunkte beibehalten.
  • contours: Die Ausgabeliste der Konturen, wobei jede Kontur eine Menge von Punkten ist.
  • hierarchy: Die Ausgabe-Hierarchieinformationen.
  • offset: Optionaler Parameter, der Offset der Konturpunkte.

Rückgabewert:

  • contours: Die Liste der erkannten Konturen.
  • hierarchy: Die Hierarchieinformationen der Konturen.

Beispiel

import cv2
import numpy as np

# Das Bild einlesen und in Graustufen umwandeln
image = cv2.imread('image.png', 0)
# Binarisierungsverarbeitung
_, binary = cv2.threshold(image, 127, 255, cv2.THRESH_BINARY)
# Konturen finden
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

2. cv2.drawContours()

Funktionsbeschreibung:
Diese Funktion wird verwendet, um erkannte Konturen auf einem Bild zu zeichnen.

Funktionsdefinition:

cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]])

Parameterbeschreibung:

  • image: Das Bild, auf dem Konturen gezeichnet werden sollen.
  • contours: Die Liste der Konturen.
  • contourIdx: Der Index der zu zeichnenden Kontur; wenn negativ, werden alle Konturen gezeichnet.
  • color: Die Farbe der Konturen.
  • thickness: Die Dicke der Konturlinien; wenn negativ, wird das Innere der Konturen gefüllt.
  • lineType: Linientyp.
  • hierarchy: Die Hierarchieinformationen der Konturen.
  • maxLevel: Die maximale Hierarchietiefe, die gezeichnet werden soll.
  • offset: Der Offset der Konturpunkte.

Rückgabewert:
Kein Rückgabewert; Konturen werden direkt auf das Eingabebild gezeichnet.

Beispiel

# Ein leeres Bild erstellen
output = np.zeros_like(image)
# Alle Konturen zeichnen
cv2.drawContours(output, contours, -1, (255, 0, 0), 2)
cv2.imshow('Konturen', output)
cv2.waitKey(0)

3. cv2.contourArea()

Funktionsbeschreibung:
Diese Funktion wird verwendet, um die Fläche einer Kontur zu berechnen.

Funktionsdefinition:

area = cv2.contourArea(contour[, oriented])

Parameterbeschreibung:

  • contour: Die Eingabemenge der Konturpunkte.
  • oriented: Optionaler Parameter; wenn True, wird eine vorzeichenbehaftete Fläche zurückgegeben.

Rückgabewert:
Die Fläche der Kontur.

Beispiel

for contour in contours:
    area = cv2.contourArea(contour)
    print(f"Konturfläche: {area}")

4. cv2.arcLength()

Funktionsbeschreibung:
Diese Funktion wird verwendet, um den Umfang oder die Bogenlänge einer Kontur zu berechnen.

Funktionsdefinition:

length = cv2.arcLength(curve, closed)

Parameterbeschreibung:

  • curve: Die Eingabemenge der Konturpunkte.
  • closed: Ein boolescher Wert, der angibt, ob die Kontur geschlossen ist.

Rückgabewert:
Der Umfang oder die Bogenlänge der Kontur.

Beispiel

for contour in contours:
    perimeter = cv2.arcLength(contour, True)
    print(f"Konturumfang: {perimeter}")

5. cv2.boundingRect()

Funktionsbeschreibung:
Diese Funktion wird verwendet, um das Begrenzungsrechteck einer Kontur zu berechnen.

Funktionsdefinition:

x, y, w, h = cv2.boundingRect(points)

Parameterbeschreibung:

  • points: Die Eingabemenge der Konturpunkte.

Rückgabewert:
Die Koordinaten der oberen linken Ecke des Begrenzungsrechtecks(x, y)und Breitew, Höheh。

Beispiel

for contour in contours:
    x, y, w, h = cv2.boundingRect(contour)
    cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)
cv2.imshow('Begrenzungsrechtecke', image)
cv2.waitKey(0)

6. cv2.minAreaRect()

Funktionsbeschreibung:
Diese Funktion wird verwendet, um das minimale umschließende Rechteck (rotiertes Rechteck) einer Kontur zu berechnen.

Funktionsdefinition:

rect = cv2.minAreaRect(points)

Parameterbeschreibung:

  • points: Die Eingabemenge der Konturpunkte.

Rückgabewert:
Gibt ein rotiertes Rechteck zurück, das den Mittelpunkt enthält(x, y), Breite, Höhe und Drehwinkel.

Beispiel

for contour in contours:
    rect = cv2.minAreaRect(contour)
    box = cv2.boxPoints(rect)
    box = np.int0(box)
    cv2.drawContours(image, [box], 0, (0, 0, 255), 2)
cv2.imshow('Min Area Rectangles', image)
cv2.waitKey(0)

7. cv2.minEnclosingCircle()

Funktionsbeschreibung:
Diese Funktion wird verwendet, um den minimalen umschließenden Kreis einer Kontur zu berechnen.

Funktionsdefinition:

(center, radius) = cv2.minEnclosingCircle(points)

Parameterbeschreibung:

  • points: Die Eingabemenge der Konturpunkte.

Rückgabewert:
Gibt den Mittelpunkt des Kreises zurück(x, y)und den Radiusradius。

Beispiel

for contour in contours:
    (x, y), radius = cv2.minEnclosingCircle(contour)
    center = (int(x), int(y))
    radius = int(radius)
    cv2.circle(image, center, radius, (255, 0, 0), 2)
cv2.imshow('Minimale umschließende Kreise', image)
cv2.waitKey(0)

8. cv2.approxPolyDP()

Funktionsbeschreibung:
Diese Funktion wird verwendet, um eine Polygonapproximation an einer Kontur durchzuführen.

Funktionsdefinition:

approx = cv2.approxPolyDP(curve, epsilon, closed)

Parameterbeschreibung:

  • curve: Die Eingabemenge der Konturpunkte.
  • epsilon: Approximationsgenauigkeit; je kleiner der Wert, desto präziser die Approximation.
  • closed: Ein boolescher Wert, der angibt, ob die Kontur geschlossen ist.

Rückgabewert:
Gibt die approximierte Polygonpunktmenge zurück.

Beispiel

for contour in contours:
    epsilon = 0.01 * cv2.arcLength(contour, True)
    approx = cv2.approxPolyDP(contour, epsilon, True)
    cv2.drawContours(image, [approx], 0, (0, 255, 0), 2)
cv2.imshow('Approximierte Polygone', image)
cv2.waitKey(0)

Anwendungen der Konturerkennung

  • Objekterkennung: Die Konturerkennung kann zur Erkennung von Objekten in einem Bild verwendet werden, z. B. zum Erkennen von Kreisen, Rechtecken usw.
  • Formanalyse: Durch Berechnung der Merkmale von Konturen (wie Fläche, Umfang, Begrenzungsrechteck usw.) kann die Form von Objekten analysiert werden.
  • Zielverfolgung: In Videos kann die Konturerkennung zur Verfolgung bewegter Ziele verwendet werden.
  • Bildsegmentierung: Die Konturerkennung kann zur Segmentierung von Objekten in einem Bild verwendet werden.

OpenCV bietet leistungsstarke Konturerkennungsfunktionen, mit denen die Grenzen von Objekten in einem Bild extrahiert und Konturmerkmale berechnet werden können.

Im Folgenden werden die Hauptschritte und Funktionen der Konturerkennung beschrieben:

SchrittFunktionBeschreibung
Bildvorverarbeitungcv2.cvtColor()Das Bild in Graustufen umwandeln.
Binärisierungsverarbeitungcv2.threshold()Das Graustufenbild in ein Binärbild umwandeln.
Konturen findencv2.findContours()Konturen im Bild finden.
Konturen zeichnencv2.drawContours()Die erkannten Konturen zeichnen.
Konturfläche berechnencv2.contourArea()Berechne die Fläche der Kontur.
Konturumfang berechnencv2.arcLength()Berechne den Umfang der Kontur.
Begrenzungsrechteck berechnencv2.boundingRect()Berechne das Begrenzungsrechteck der Kontur.
Minimal umschließendes Rechteck berechnencv2.minAreaRect()Berechne das minimal umschließende Rechteck der Kontur.
Minimalen umschließenden Kreis berechnencv2.minEnclosingCircle()Berechne den minimal umschließenden Kreis der Kontur.
Polygonapproximationcv2.approxPolyDP()Führe eine Polygonapproximation der Kontur durch.

Das Folgende ist ein vollständiger Beispielcode für die Konturerkennung:

Beispiel

import cv2

# Bild einlesen
image = cv2.imread("path/to/image")

# In Graustufenbild umwandeln
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# Binarisierungsverarbeitung
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# Konturen finden
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# Konturen zeichnen
cv2.drawContours(image, contours, -1, (0, 255, 0), 2)

# Ergebnis anzeigen
cv2.imshow("Konturen", image)
cv2.waitKey(0)
cv2.destroyAllWindows()
Andere Erweiterungen