python学opencv|读取图像(六十五)使用cv2.boundingRect()函数实现图像轮廓矩形标注

【1】引言

前序学习进程中,已经使用cv2.findContours()函数+cv2.drawContours()函数实现图像轮廓识别和标注,这种标注沿着图像的轮廓进行,比较细致。相关文章链接为:

python学opencv|读取图像(六十四)使用cv2.findContours()函数+cv2.drawContours()函数实现图像轮廓识别和标注-CSDN博客

如果想用矩形将图像直接框选,就是今天的学习目标: 使用cv2.boundingRect()函数实现图像轮廓矩形标注。

【2】官网教程

点击下方链接,直达cv2.boundingRect()函数官网教程:

OpenCV: Structural Analysis and Shape Descriptors

官网页面对 cv2.boundingRect()函数的解释为:

++图1 官网页面对 cv2.boundingRect()函数的解释++

其实可以根据字面意思理解,bounding就是边界的意思,rect代表rectangle矩形,所以cv2.boundingRect()函数可以读取举行的边界值。

【3】代码测试

和之前一样,cv2.boundingRect()函数要想用矩形作为标签标注图形的轮廓,需要提前知晓图像的轮廓位置,所以依然要调用 cv2.findContours()函数来找到轮廓。

cv2.boundingRect()函数和cv2.findContours()函数有一个共同点,就是必须要对灰度图像才有效,所以必须提前调用cv2.cvtColor()函数转换灰度图,而为了更进一步突出灰度图,有时候需要调用cv2.threshold()函数进行阈值处理。

如果对上述函数不熟悉,可以通过下述链接回忆:
python学opencv|读取图像(六十四)使用cv2.findContours()函数+cv2.drawContours()函数实现图像轮廓识别和标注-CSDN博客

python学opencv|读取图像(十九)使用cv2.rectangle()绘制矩形_python cv2.rectangle-CSDN博客

python学opencv|读取图像(十一)彩色图像转灰度图的两种办法_识别图像输出灰度图-CSDN博客

按照上述分析的逻辑,代码设置为:引入必要模块和图像,图像灰度处理,图像阈值处理,给灰度图像找边界轮廓,然后是绘制矩形标注。

此处直接给出完整代码:

python 复制代码
import cv2 as cv # 引入CV模块
import numpy as np #引入numpy模块

# 读取图片
src = cv.imread('df.png') #读取图像srcx.png
gray=cv.cvtColor(src,cv.COLOR_BGR2GRAY) #将图像转化为灰度图

#图像处理
canvas = np.ones((580, 580, 3), np.uint8)*158  # 绘制一个580*580大小的画布,3代表有3个通道,unit8为图像存储格式
t,dst=cv.threshold(gray,10,255,cv.THRESH_BINARY) #阈值处理
con,hierarchy=cv.findContours(dst,cv.RETR_LIST,cv.CHAIN_APPROX_SIMPLE) #读取边界
x,y,w,h=cv.boundingRect(con[0]) #获取第一轮廓的最小矩形边框,记录左上角坐标、宽和高

print('con=',len(con)) #输出con代表的轮廓列表数量
print(src.shape) #输出src图像基本属性
cv.rectangle(src,(x,y),(x+w,y+h),(0,100,255),5) #绘制矩形
#cv.imshow('ini-image ', dst) #显示原始图像
cv.imshow('ini-image-con', src) #显示带轮廓线图像
canvas=cv.rectangle(canvas,(x,y),(x+w,y+h),(0,100,255),5)
cv.imshow('rectangle', canvas)  # 在屏幕展示你画线段的效果
#cv.imshow('ini-image-gon', gray) #显示带轮廓线图像
cv.imwrite('ini-image-con.png', src) #保存图像
cv.waitKey()  # 图像不关闭
cv.destroyAllWindows()  # 释放所有窗口

代码运行的相关图像有:

++图2 初始图像df.png++

++图3 加矩形标注图像++

由图2和图3可见,图像识别成功,并且画上了矩形标注框。

【4】细节说明

在使用纯黑白图像时,顺利获得了如图2所示的矩形标注效果。

如果图像稍微复杂一些,是否效果依旧显著。

将输出图像换位依旧是黑白为主色调的图像:

++图4 新的初始图像++

代码运行后的实际效果为:

++图5 实际运行效果-标注了一个点++

由图5可见,实际运行效果只在人像上标注了一个点。

为此,追溯了原因,看读取的一些基本信息:

++图6 基本信息++

在控制台,获得了一些基本信息,con代表获得的轮廓数,第二行代表像素和通道。

显然,第二个初始图像读出了2346个轮廓,显然这个数据足够大,具体使用哪个轮廓来绘制矩形很难选择。

然后对于第一个初始图像,代码使用的轮廓为con[0],如果将其切换为con[1]:

python 复制代码
src = cv.imread('df.png') #读取图像srcx.png
python 复制代码
x,y,w,h=cv.boundingRect(con[1]) #获取第一轮廓的最小矩形边框,记录左上角坐标、宽和高

代码运行后的效果为:

++图7 第二个矩形轮廓++

由图7可见,如果使用第二个轮廓,绘制的矩形框沿着图像的边缘。

综上,使用cv2.boundingRect()函数对图像轮廓进行矩形标注,图像的颜色单一才会更为准确。

【5】总结

掌握了python+opencv通过使用cv2.boundingRect()函数对图像轮廓进行矩形标注的技巧。

相关推荐
Awesome Baron4 分钟前
《Learning Langchain》阅读笔记8-RAG(4)在vector store中存储embbdings
python·jupyter·chatgpt·langchain·llm
阡之尘埃7 分钟前
Python数据分析案例73——基于多种异常值监测算法探查内幕交易信息
人工智能·python·机器学习·数据分析·异常检测·无监督学习
蓝莓味柯基1 小时前
Python3:文件操作
python
何大春1 小时前
【视频时刻检索】Text-Video Retrieval via Multi-Modal Hypergraph Networks 论文阅读
论文阅读·深度学习·神经网络·计算机视觉·视觉检测·论文笔记
猿饵块1 小时前
opencv--图像变换
人工智能·opencv·计算机视觉
xiaoh_71 小时前
解决视频处理中的 HEVC 解码错误:Could not find ref with POC xxx【已解决】
python·ffmpeg·音视频
jndingxin2 小时前
OpenCV 图形API(63)图像结构分析和形状描述符------计算图像中非零像素的边界框函数boundingRect()
人工智能·opencv·计算机视觉
明月与玄武2 小时前
Python编程的真谛:超越语法,理解编程本质
python·编程语言
CodeCraft Studio2 小时前
Excel处理控件Aspose.Cells教程:使用 Python 在 Excel 中进行数据验
开发语言·python·excel
知来者逆2 小时前
计算机视觉——速度与精度的完美结合的实时目标检测算法RF-DETR详解
图像处理·人工智能·深度学习·算法·目标检测·计算机视觉·rf-detr