1、概述
经常用到轮廓查找和多边形拟合等opencv操作，因此记录以备后续使用。本文代码中的阈值条件对图片没有实际意义，仅仅是为了测试。
原图为：
2、测试代码：
代码语言：javascript复制import cv2
import numpy as np
img = cv2.imread('/home/yasin/coffe.jpg')
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
_, contours, hierarchy = cv2.findContours(img_gray, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, -1, (255, 0, 255), 1)
cv2.namedWindow('Result of drawContours', 0)
cv2.imshow('Result of drawContours', img)
cv2.waitKey()
cnt = 0
for i in range(len(contours)):
arclen = cv2.arcLength(contours[i], True)
epsilon = max(3, int(arclen * 0.02)) # 拟合出的多边形与原轮廓最大距离，可以自己设置，这里根据轮廓周长动态设置
approx = cv2.approxPolyDP(contours[i], epsilon, False) # 轮廓的多边形拟合
area = cv2.contourArea(contours[i]) # 计算面积
rect = cv2.minAreaRect(contours[i])
box = np.int0(cv2.boxPoints(rect)) # 计算最小外接矩形顶点
h = int(rect[1][0])
w = int(rect[1][1])
if min(h, w) == 0:
ration = 0
else:
ration = max(h,w) /min(h,w) # 长宽比
# 对长宽比，轮廓面积，拟合出的多边形顶点数做筛选
if ration < 10 and area 20 and area < 4000 and approx.shape[0] 3 :
# 对满足条件的轮廓画出轮廓的拟合多边形
cv2.polylines(img, [approx], True, (0, 255, 0), 1)
cv2.namedWindow('Result of filtered', 0)
cv2.imshow('Result of filtered', img)
cv2.waitKey()画出的所有轮廓：
在原轮廓基础上画出筛选后的轮廓（绿色部分，没有实际意义）：
补充知识：OpenCV python 轮廓(连通域)最小外接圆形
原图:[cc.jpg]
import cv2
import numpy as np
def main():
# 1.导入图片
img_src = cv2.imread("cc.jpg")
# 2.灰度化,二值化
img_gray = cv2.cvtColor(img_src, cv2.COLOR_BGR2GRAY)
ret, img_bin = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)
# 3.连通域分析
img_bin, contours, hierarchy = cv2.findContours(img_bin,
cv2.RETR_LIST,
cv2.CHAIN_APPROX_SIMPLE)
# 4.获取最小外接圆 圆心 半径
center, radius = cv2.minEnclosingCircle(contours[0])
center = np.int0(center)
# 5.绘制最小外接圆
img_result = img_src.copy()
cv2.circle(img_result, tuple(center), int(radius), (255, 255, 255), 2)
# 6.显示结果图片
cv2.imshow("img_src", img_src)
cv2.imshow("img_result", img_result)
cv2.waitKey()
cv2.destroyAllWindows()
if __name__ == '__main__':
main()处理结果:[img_sult.jpg]
以上这篇Python实现图片查找轮廓、多边形拟合、最小外接矩形代码就是小编分享给大家的全部内容了，希望能给大家一个参考。
