Opencv 学习笔记:轮廓筛选 + 拟合(边界框 / 最小矩形 / 包围圆)

在轮廓分析中,仅提取所有轮廓远远不够,需根据尺寸筛选目标轮廓,并通过边界框、最小面积矩形、最小包围圆等方式拟合轮廓,实现目标精准定位。本文整合完整流程,演示如何筛选 "合适轮廓" 并可视化拟合结果。

核心代码实现

python 复制代码
import cv2 as cv
import numpy as np

# 1. 读取图像并校验
src = cv.imread('.\image\22.bmp')
if src is None:
    print('图像读取失败,请检查路径!')
    exit()

# 2. 预处理:去噪+边界填充+二值化(提升轮廓提取准确性)
dst = cv.GaussianBlur(src, (3, 3), 15)  # 高斯滤波去噪
grays = cv.cvtColor(dst, cv.COLOR_BGR2GRAY)
# 边界填充(避免图像边缘轮廓断裂)
gray = cv.copyMakeBorder(grays, 1, 1, 1, 1, cv.BORDER_CONSTANT, value=[255, 255, 255])
# 二值化(分离前景/背景)
ret, binary = cv.threshold(gray, 128, 255, cv.THRESH_BINARY)

# 3. 查找轮廓(CCOMP模式:检索内外层轮廓)
contours, hierarchy = cv.findContours(binary, cv.RETR_CCOMP, cv.CHAIN_APPROX_SIMPLE)

# 4. 创建结果画布(避免修改原图)
result = src.copy()

# 5. 筛选并拟合轮廓
for i, contour in enumerate(contours):
    # 筛选条件:轮廓尺寸在90~10000之间(过滤过小/过大噪点)
    if 90 < contour.size < 10000:
        # 方式1:绘制边界矩形(轴对齐)
        x, y, w, h = cv.boundingRect(contour)
        print(f"边界矩形尺寸:宽={w}, 高={h}")
        cv.rectangle(result, (x, y), (x + w, y + h), (0, 0, 255), 3)
        
        # 方式2:绘制最小面积矩形(旋转对齐)
        rect = cv.minAreaRect(contour)  # 获取最小面积矩形(中心、尺寸、旋转角度)
        box = cv.boxPoints(rect)        # 计算矩形四个顶点坐标
        box = np.int0(box)              # 坐标转为整数
        cv.drawContours(result, [box], 0, (255, 255, 0), 5)
        
        # 方式3:绘制最小包围圆
        (cx, cy), radius = cv.minEnclosingCircle(contour)
        center = (int(cx), int(cy))
        radius = int(radius)
        cv.circle(result, center, radius, (0, 255, 0), 2)

# 6. 显示结果
cv.namedWindow('src', cv.WINDOW_NORMAL)
cv.resizeWindow('src', 600, 600)
cv.imshow('src', binary)  # 显示二值化图

cv.namedWindow('result', cv.WINDOW_NORMAL)
cv.resizeWindow('result', 600, 600)
cv.imshow('result', result)  # 显示轮廓拟合结果

cv.waitKeyEx(0)
cv.destroyAllWindows()

关键知识点解析

1. 核心流程拆解

步骤 核心操作 作用说明
边界填充 cv.copyMakeBorder() 给图像边缘填充白色像素,避免边缘轮廓因截断无法完整提取
轮廓筛选 contour.size 通过轮廓像素点数量筛选,过滤过小噪点(<90)和过大背景(>10000)
边界矩形 cv.boundingRect() 生成轴对齐的矩形框,计算简单、速度快
最小面积矩形 cv.minAreaRect() 生成贴合轮廓的旋转矩形,更精准匹配目标形状
最小包围圆 cv.minEnclosingCircle() 用圆形拟合轮廓,适用于圆形 / 类圆形目标定位

2. 核心参数说明

  • 轮廓检索模式cv.RETR_CCOMP:检索所有轮廓并分为两层(外层 / 内层),适合有孔洞的目标轮廓提取;
  • contour.size:轮廓点的总像素数(每个点含 x/y 两个值,因此实际点数 = size/2);
  • cv.boxPoints(rect) :将minAreaRect返回的(中心、尺寸、角度)转换为四个顶点坐标,需转为整数才能绘制。

3. 避坑与优化技巧

  • 画布赋值 :原代码result = src是引用赋值(修改 result 会改原图),改为result = src.copy()深拷贝;
  • 轮廓尺寸阈值:90/10000 是经验值,需根据图像分辨率和目标大小调整(分辨率大则阈值相应增大);
  • 拟合方式选择 :
    • 轴对齐矩形:适合规则、无旋转的目标;
    • 最小面积矩形:适合倾斜、旋转的目标;
    • 最小包围圆:适合圆形目标(如表盘、零件)。
  • 效率优化:若仅需一种拟合方式,注释其他方式可提升运行速度。

总结

  1. 轮廓筛选的核心是通过contour.size过滤无效轮廓,阈值需根据实际场景调整;
  2. 边界填充是提取图像边缘轮廓的关键预处理步骤,避免轮廓断裂;
  3. 三种拟合方式各有适用场景:轴对齐矩形(快)、最小面积矩形(准)、最小包围圆(适配圆形目标)。
相关推荐
小七在进步1 小时前
string的实现(1)
c++·笔记·visual studio
瑞克-桑切斯3 小时前
Kubernetes 1.28 保姆级新手学习教程
运维·学习·docker·云原生·容器·kubernetes
保利威视频SaaS小张4 小时前
企业直播接入笔记 12|企业内训直播怎么做签到和学时统计,防挂机这件事比想象中难
java·前端·数据库·笔记·视频云·polvy·polyv
lcj25115 小时前
[C++] C++11
开发语言·c++·笔记
kaixin_啊啊6 小时前
【三种鲑科鱼类比较基因组学分析鉴定出参与细胞内寄生菌鲑立克次体抗性的功能候选基因】论文学习
学习
一条破秋裤7 小时前
【1117】【内存资源管控】【笔记】
android·笔记
CappuccinoRose8 小时前
Redis 学习文档
redis·后端·学习·缓存·session·非关系型数据库·gossip
qingwufeiyang_5309 小时前
Docker学习笔记2
笔记·学习
Z21-X10 小时前
云原生运维学习笔记:从操作系统底层到 Kubernetes 集群的深度实践
运维·笔记·学习·云原生·kubernetes
Century_Dragon10 小时前
把高压回路“看透” 新能源汽车动力系统拆装与检测实训MR软件
学习