OpenCV(三十四):轮廓外接最大、最小矩形和多边形拟合

目录

1.轮廓外接最大矩形boundingRect()

2.轮廓外接最小矩形minAreaRect()

3.轮廓外接多边形approxPolyDP()


1.轮廓外接最大矩形boundingRect()

Rect cv::boundingRect ( InputArray array )

  • array:输入的灰度图像或者2D点集,数据类型为vector<Point>或者Mat。

示例代码:

复制代码
//轮廓最大外接矩阵
void Contour_external_maxmatrix(Mat image) {
    Mat gray,binary;
    cvtColor(image,gray,COLOR_BGR2GRAY);//灰度化
    GaussianBlur(gray,gray,Size(9,9),2,2);//滤波
    threshold(gray,binary,170,255,THRESH_BINARY|THRESH_OTSU);//自适应二值化
    //轮廓检测
    vector<vector<Point>> contours;//轮廓
    vector<Vec4i> hierarchy;//存放轮廓结构变量
    findContours(binary,contours,hierarchy,RETR_TREE,CHAIN_APPROX_SIMPLE,Point());
    //寻找轮廓的外接矩阵
    for(int n=0;n<contours.size();n++) {
        //最大外接矩阵
        Rect rect = boundingRect(contours[n]);
        rectangle(image, rect, Scalar(7, 67, 255), 2, 8, 0);
    }
    imwrite("/sdcard/DCIM/max.png",image);
}

轮廓外接最大矩形的结果:

2.轮廓外接最小矩形minAreaRect()

RotatedRect cv::minAreaRect ( InputArray points )

  • array:输入的灰度图像或者2D点集,数据类型为vector<Point>或者Mat。

示例代码:

复制代码
//轮廓最小外接矩阵
void Contour_external_minmatrix(Mat image){
    Mat gray,binary;
    cvtColor(image,gray,COLOR_BGR2GRAY);//灰度化
    GaussianBlur(gray,gray,Size(9,9),2,2);//滤波
    threshold(gray,binary,170,255,THRESH_BINARY|THRESH_OTSU);//自适应二值化
    //轮廓检测
    vector<vector<Point>> contours;//轮廓
    vector<Vec4i> hierarchy;//存放轮廓结构变量
    findContours(binary,contours,hierarchy,RETR_TREE,CHAIN_APPROX_SIMPLE,Point());
    //寻找轮廓的外接矩阵
    for(int n=0;n<contours.size();n++) {
          //最小外接矩阵
        RotatedRect rrect= minAreaRect(contours[n]);
        Point2f points[4];
        rrect.points(points);//读取最小外接矩阵的四个顶点
        Point2f cpt=rrect.center;//最小外接矩阵的中心
        //绘制旋转矩阵与中心位置
        for(int i=0;i<4;i++){
            if(i==3){
                line(image,points[i],points[0],Scalar(0,0,255,255),2,8,0);
                break;
            }
            line(image,points[i],points[i+1],Scalar(0,0,255,255),2,8,0);
        }
        //绘制矩阵中心
        circle(image,cpt,4,Scalar(0,0,255,255),-1,8,0);
    }
   imwrite("/sdcard/DCIM/min.png",image);

}

轮廓外接最小矩形的结果:

3.轮廓外接多边形approxPolyDP()

void cv::approxPolyDP (InputArray curve,

OutputArray approxCurve,

double epsilon,

bool closed

  • curve:输入轮廓像素点。
  • approxCurve:多边形逼近结果,以多边形顶点坐标的形式给出
  • epsilon:逼近的精度,即原始曲线和逼近曲线之间的最大距离。
  • closed:逼近曲线是否为封闭曲线的标志, true表示曲线封闭,即最后一个顶点与第一个顶点相连

示例代码:

复制代码
void drawapp(Mat result,Mat img2){
    for(int i=0;i<result.rows;i++){
        //最后一个坐标点与第一个坐标点连接
        if(i==result.rows-1){
            Vec2i point1=result.at<Vec2i>(i);
            Vec2i point2=result.at<Vec2i>(0);
            line(img2,point1,point2,Scalar(0,0,255,255),4,8,0);
            break;
        }
        Vec2i point1=result.at<Vec2i>(i);
        Vec2i point2=result.at<Vec2i>(i+1);
        line(img2,point1,point2,Scalar(0,0,255,255),4,8,0);
    }

}

//轮廓多边形拟合
void Contour_external_matrix(Mat image){
    Mat gray,binary;
    cvtColor(image,gray,COLOR_BGR2GRAY);//灰度化
   // GaussianBlur(gray,gray,Size(9,9),2,2);//滤波
   // threshold(gray,binary,170,255,THRESH_BINARY|THRESH_OTSU);//自适应二值化
    //轮廓的发现与绘制
    vector<vector<Point>> contours;//轮廓
    vector<Vec4i> hierarchy;//存放轮廓结构变量
    findContours(gray,contours,hierarchy,RETR_TREE,CHAIN_APPROX_SIMPLE,Point());
    //绘制多边形
    for(int n=0;n<contours.size();n++) {
        //用最小外接矩阵求取轮廓中心
        RotatedRect rrect= minAreaRect(contours[n]);
        Point2f center=rrect.center;//最小外接矩阵的中心
        circle(image,center,2,Scalar(0,0,255,255),2,8,0);
        Mat result;
        approxPolyDP(contours[n],result,4,true);//多边形拟合
        drawapp(result,image);
    }
    imwrite("/sdcard/DCIM/matrix.png",image);

}

多边形拟合的结果:

相关推荐
糯米导航1 小时前
AI 视觉回归实战:截图对比不是“找不同”,如何让智能差异分析真正服务 UI 质量
人工智能·ui·回归
科技圈观察2 小时前
2026年好伴AI医疗专用大模型应用梳理与梯队参考
人工智能
jkyy20142 小时前
深耕AI健康医疗数据智库,赋能企业构建主动健康管理新生态
大数据·人工智能·健康医疗
cd_949217213 小时前
3D角色自动绑骨怎么做?用V2Fun完成建模、绑定、动作和导出
人工智能·3d
瑞禧生物tech3 小时前
SH-PEG-Biotin巯基-聚乙二醇-生物素 HS-PEG-Bio 深度解析
人工智能
QYR-分析3 小时前
机器人安全控制器行业高速扩容 本土替代迎来全新发展窗口期
人工智能·安全·机器人
bryant_meng3 小时前
【MV】Machine Vision Fundamentals: MV vs. CV Explained
计算机视觉·机器视觉·数字图像处理·cv·mv
冬奇Lab3 小时前
MCP 系列(06):MCP vs Function Calling——用数据说话的选型指南
人工智能
冬奇Lab3 小时前
每日一个开源项目(第159篇):Vibe-Trading - 用自然语言做量化研究,AI 驱动的个人交易 Agent
人工智能·开源·资讯
AI大模型-小雄4 小时前
2026 年 7 月国内怎么开通 ChatGPT Pro?5x / 20x 区别、适合人群与避坑指南
人工智能·gpt·chatgpt·ai编程·开发工具·codex·chatgpt pro