opencv求解区域的内接矩形

2024-12-03 13:53:48

实验室项目中，希望求取一个近似圆形区域的质心，原本使用最小外接圆的质心来等效为该区域质心。但是由于部分区域的形状过于不规则导致发生质心偏移现象。如下图：

蓝色为实际要求质心。红色为等效圆质心

为获取较为准确的质心，拟用最大内接矩形的中心作为该区域质心。

采用改进的中心扩散法求内接矩形：先以最小外接矩的中心作为算法的起点进行中心扩散。得到一个内解矩形，在对最小外接矩的中心进行8邻域的遍历，应用中心扩散法分别求取内接矩，以面积最大的内接矩作为最大内接矩。

使用Opencv关键代码如下：

/**
 * @brief 求取连通区域内接矩
 * @param img:输入图像，单通道二值图，深度为8
 * @param center:最小外接矩的中心
 * @return 最大内接矩形
 * 基于中心扩展算法
 */
cv::Rect InSquare(Mat &img,const Point center)
{
  // --[1]参数检测
  if(img.empty()||
      img.channels()>1
      ||img.depth()>8)
    return Rect();
  //[1]

  // --[2] 初始化变量
  int edge[4];
  edge[0]=center.y+1;//top
  edge[1]=center.x+1;//right
  edge[2]=center.y-1;//bottom
  edge[3]=center.x-1;//left
  //[2]

  // --[3]边界扩展(中心扩散法)
  bool EXPAND[4]={1,1,1,1};//扩展标记位
  int n=0;
  while (EXPAND[0]||EXPAND[1]||EXPAND[2]||EXPAND[3])
  {
    int edgeID=n%4;
    EXPAND[edgeID]=expandEdge(img,edge,edgeID);

    n++;
  }
  //[3]

  qDebug()<<edge[0]<<edge[1]<<edge[2]<<edge[3];
  Point tl=Point(edge[3],edge[0]);
  Point br=Point(edge[1],edge[2]);
  return Rect(tl,br);
}

/**
 * @brief expandEdge 扩展边界函数
 * @param img:输入图像，单通道二值图，深度为8
 * @param edge 边界数组，存放4条边界值
 * @param edgeID 当前边界号
 * @return 布尔值 确定当前边界是否可以扩展
 */
bool expandEdge(const Mat & img, int edge[], const int edgeID)
{
  //[1] --初始化参数
  int nc=img.cols;
  int nr=img.rows;

  switch (edgeID) {
  case 0:
    if(edge[0]>nr)
      return false;
    for(int i=edge[3];i<=edge[1];++i)
    {
      if(img.at<uchar>(edge[0],i)==0)
        return false;
    }
    edge[0]++;
    return true;
    break;
  case 1:
    if(edge[1]>nc)
      return false;
    for(int i=edge[2];i<=edge[0];++i)
    {
      if(img.at<uchar>(i,edge[1])==0)
        return false;
    }
    edge[1]++;
    return true;
    break;
  case 2:
    if(edge[2]<0)
      return false;
    for(int i=edge[3];i<=edge[1];++i)
    {
      if(img.at<uchar>(edge[2],i)==0)
        return false;
    }
    edge[2]--;
    return true;
    break;
  case 3:
    if(edge[3]<0)
      return false;
    for(int i=edge[2];i<=edge[0];++i)
    {
      if(img.at<uchar>(i,edge[3])==0)
        return false;
    }
    edge[3]--;
    return true;
    break;
  default:
    return false;
    break;
  }
}

效果：

黑色为内接矩中心，红色为最小外接圆中心

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我们。

Opencv绘制最小外接矩形、最小外接圆

Opencv中求点集的最小外结矩使用方法minAreaRect,求点集的最小外接圆使用方法minEnclosingCircle. minAreaRect方法原型: RotatedRect minAreaRect( InputArray points ); 输入参数points是所要求最小外结矩的点集数组或向量: minEnclosingCircle方法原型: void minEnclosingCircle( InputArray points, CV_OUT Point2f& center, C
OpenCV实现图像轮廓检测以及外接矩形

前两篇博文分别介绍了图像的边缘检测和轮廓检测,本文接着介绍图像的轮廓检测和轮廓外接矩形: 一.代码部分: // extract_contours.cpp : 定义控制台应用程序的入口点. // #include "stdafx.h" #include<cv.h> #include<highgui.h> using namespace cv; using namespace std; int _tmain(int argc, _TCHAR* argv[]) { /
python3+openCV 获取图片中文本区域的最小外接矩形实例

我就废话不多说了,大家还是直接看代码吧! print("thresh =",thresh) coords = np.column_stack(np.where(thresh > 0))//获取thresh二值灰度图片中的白色文字区域的点 print("coords =",coords) min_rect = cv2.minAreaRect(coords)//由点集获取最小矩形(包含中心坐标点.宽和高.偏转角度) print("min_rec =&qu
Opencv实现最小外接矩形和圆

本文实例为大家分享了Opencv实现最小外接矩形和圆的具体代码,供大家参考,具体内容如下步骤:将一幅图像先转灰度,再canny边缘检测得到二值化边缘图像,再寻找轮廓,轮廓是由一系列点构成的,要想获得轮廓的最小外接矩形,首先需要得到轮廓的近似多边形,用道格拉斯-普克抽稀(DP)算法,道格拉斯-普克抽稀算法,是将曲线近似表示为一系列点,并减少点的数量的一种算法. 该算法实现抽稀的过程是: 1)对曲线的首末点虚连一条直线,求曲线上所有点与直线的距离,并找出最大距离值dmax,用dmax与事先给定的阈
python opencv minAreaRect 生成最小外接矩形的方法

使用python opencv返回点集cnt的最小外接矩形,所用函数为 cv2.minAreaRect(cnt) ,cnt是点集数组或向量(里面存放的是点的坐标),并且这个点集不定个数. 举例说明:画一个任意四边形(任意多边形都可以)的最小外接矩形,那么点集 cnt 存放的就是该四边形的4个顶点坐标(点集里面有4个点) cnt = np.array([[x1,y1],[x2,y2],[x3,y3],[x4,y4]]) # 必须是array数组的形式 rect = cv2.minAreaRect(
opencv求解区域的内接矩形

实验室项目中,希望求取一个近似圆形区域的质心,原本使用最小外接圆的质心来等效为该区域质心.但是由于部分区域的形状过于不规则导致发生质心偏移现象.如下图: 蓝色为实际要求质心.红色为等效圆质心为获取较为准确的质心,拟用最大内接矩形的中心作为该区域质心. 采用改进的中心扩散法求内接矩形:先以最小外接矩的中心作为算法的起点进行中心扩散.得到一个内解矩形,在对最小外接矩的中心进行8邻域的遍历,应用中心扩散法分别求取内接矩,以面积最大的内接矩作为最大内接矩. 使用Opencv关键代码如下: /** *
openCV提取图像中的矩形区域

改编自详解利用OpenCV提取图像中的矩形区域(PPT屏幕等)原文是c++版,我改成了python版,供大家参考学习. 主要思想:边缘检测->轮廓检测->找出最大的面积的轮廓->找出顶点->投影变换 import numpy as np import cv2 # 这个成功的扣下了ppt白板 srcPic = cv2.imread('2345.jpg') length=srcPic.shape[0] depth=srcPic.shape[1] polyPic = srcPic shr
Python OpenCV 图像区域轮廓标记(框选各种小纸条)

学在前面上篇 OpenCV 博客原计划完成一个识别银行卡号的项目,但是写的过程中发现,技术储备不足,我无法在下述图片中,提取出卡号区域,也就无法进行后续的识别了,再次意识到了自己技术还不达标,继续学习.完不成,就实现其它学习项目. 轮廓识别实战先看一下最终实现的效果,针对一张图片(该图片前景色和背景色差异较大),进行轮廓标记. 图片基本处理 import cv2 as cv src = cv.imread("./demo.jpg") gray = cv.cvtColor(src,
python四个坐标点对图片区域最小外接矩形进行裁剪

在图像裁剪操作中,opencv和pillow两个库都具有相应的函数,但是这两个库中的函数仅仅能对与图片平行的矩形进行裁剪操作,如果想要对目标的最小外接矩形进行裁剪该如何操作呢?如下所示: 具体处理该问题的思路如下: 计算最小外接矩形的四个点的坐标,旋转角度将原图像进行旋转,旋转角度为最小外接矩形的角度将四个点的坐标进行映射,求出被旋转后图像的四个点的坐标利用这四个点对图像进行裁剪图像原图如下: 1 求出该区域的最小外接矩形,并且得到外接矩形的四个点的坐标和旋转角度. rect = cv2
OpenCV实现最小外接正矩形

本文实例为大家分享了OpenCV实现最小外接正矩形的具体代码,供大家参考,具体内容如下 #include "stdafx.h" #include "cv.h" #include "highgui.h" #include "cxcore.h" #include "math.h" #include <iostream.h> int main(int argc, char* argv[]) { Ipl
使用OpenCV检测图像中的矩形

本文实例为大家分享了OpenCV检测图像中矩形的具体代码,供大家参考,具体内容如下前言 1.OpenCV没有内置的矩形检测的函数,如果想检测矩形,要自己去实现. 2.我这里使用的OpenCV版本是3.30. 矩形检测 1.得到原始图像之后,代码处理的步骤是: (1)滤波增强边缘. (2)分离图像通道,并检测边缘. (3) 提取轮廓. (4)使用图像轮廓点进行多边形拟合. (5)计算轮廓面积并得到矩形4个顶点. (6)求轮廓边缘之间角度的最大余弦. (7)画出矩形. 2.代码 //检测矩形 //
OpenCV实现绘制轮廓外接矩形

目录 1.寻找轮廓 2.绘制轮廓外接矩形 3.代码 1.寻找轮廓 api void cv::findContours( InputOutputArray image, OutputArrayOfArrays contours, OutputArray hierarchy, int mode, int method, Point offset = Point() 各个参数详解如下: Image表示输入图像,必须是二值图像,二值图像可以threshold输出.Canny输出.inRange输出.自适
详解利用OpenCV提取图像中的矩形区域（PPT屏幕等）

前言最近参加了大创项目,题目涉及到计算机视觉,学姐发了个修正图像的博客链接,于是打算用这个题目入门OpenCV. 分析问题照片中的PPT区域总是沿着x,y,z三个轴都有倾斜(如下图),要想把照片翻转到平行位置,需要进行透视变换,而透视变换需要同一像素点变换前后的坐标.由此可以想到,提取矩形区域四个角的坐标作为变换前的坐标,变换后的坐标可以设为照片的四个角落,经过投影变换,矩形区域将会翻转并充满图像. 因此我们要解决的问题变为:提取矩形的四个角落.进行透视变换. 提取矩形角落坐标矩形的检测主
OpenCV鼠标绘制矩形和截取矩形区域图像

本文实例为大家分享了OpenCV鼠标绘制截取矩形区域图像的具体代码,供大家参考,具体内容如下在opencv中利用鼠标绘制矩形,代码如下: #include <cv.h> #include <highgui.h> #include <stdio.h> #pragma comment( lib, "cv.lib" ) #pragma comment( lib, "cxcore.lib" ) #pragma comment( lib,

opencv求解区域的内接矩形

相关推荐

随机推荐