可以直接跳到最后整體代碼看一看是不是很少的代碼?。。?！
思路：
1. 數據的整合
2. 圖片的灰度轉化
3. 圖片的二值轉化
4. 圖片的輪廓識別
5. 得到圖片的頂點數
6. 依據頂點數判斷圖像形狀
一、原數據的展示
圖片文件共36個文件夾，每個文件夾有100張圖片，共3600張圖片。
每一個文件夾里都有形同此類的圖形
二、數據的整合
對于多個文件夾，分析起來很不方便，所有決定將其都放在一個文件夾下進行分析，在python中具體實現如下：
本次需要的包
import cv2
import os
from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
a=os.listdir('C:\\Users\\dell\\Desktop\\OpenCVProofSet')#循環讀取每個子文件夾
for i in range(len(a)):
b=os.listdir('C:\\Users\\dell\\Desktop\\OpenCVProofSet\\'+a[i])#讀取每個子文件下的圖片文件
for j in range(len(b)):
c=Image.open('C:\\Users\\dell\\Desktop\\OpenCVProofSet\\'+a[i]+'\\'+b[j])#循環讀取每個圖片文件
c.save('C:\\Users\\dell\\Desktop\\cleardata\\'+str(i)+'_'+str(j)+'.png')#以文件夾序號和圖片序號為名保存在一個興建文件夾下
結果如下：
三、圖片輪廓的確定
3.1圖片的灰度處理
以下以一張圖片為例子作為說明
對于灰度的處理，選擇使用opencv的cv2.cvtColor函數，代碼示例如下：
d=os.listdir('C:\\Users\\dell\\Desktop\\cleardata\\')#文件路徑
e=cv2.imread('C:\\Users\\dell\\Desktop\\cleardata\\'+d[5])#以矩陣的形式圖片讀入
plt.imshow(e)#畫出示例圖
進行灰度的轉化：
g=cv2.cvtColor(e,cv2.COLOR_BGR2GRAY)##灰度轉化
3.2圖片的二值轉化
對于圖片的二值轉化這里選用cv2.threshold函數，代碼示例如下：
r,b=cv2.threshold(g,0,255,cv2.THRESH_OTSU)#二值轉化，大于0的像素統一設置為255，小于等于0的統一設置為0
上述代碼的第一個參數為灰度圖形，第二個參數是閾值，即大于0的像素點轉化為255，然后選用的THRESH_OTSU方法，具體說明如下：
通常情況，我們一般不知道設定怎樣的閾值thresh才能得到比較好的二值化效果，只能去試。如對于一幅雙峰圖像（理解為圖像直方圖中存在兩個峰），我們指定的閾值應盡量在兩個峰之間的峰谷。這時，就可以用第四個參數THRESH_OTSU，它對一幅雙峰圖像自動根據其直方圖計算出合適的閾值（對于非雙峰圖，這種方法得到的結果可能不理想）。
對于雙峰圖，我們需要多傳入一個參數cv2.THRESH_OTSU，并且把閾值thresh設為0，算法會找到最優閾值，并作為第一個返回值ret返回。
其中會返回兩個值，第二個值就是二值化后的圖形矩陣。
3.3輪廓的尋找
在輪廓的尋找方面，采用cv2.findContours方式。代碼示例如下：
cr,t=cv2.findContours(b, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)##找到邊界，第一個參數是二值圖像，第二個參數是獲取輪廓的方式，
#第三個參數定義輪廓的近似方式
上述函數里的參數中，第一個參數是二值化后的矩陣，第二個參數是獲取輪廓的方式，第三個參數是定義輪廓的近似方式。后面兩個參數的具體解釋如下：
上面得到的結果中第一個結果是輪廓點的集合。
畫出邊界輪廓，運用函數是cv2.drawContours，代碼示例如下：
plt.imshow(cv2.drawContours(e,cr,-1,50))#畫出邊界，可以看出有坐標軸和五角星兩個邊界，第一個參數是原圖，第二個參數是邊界，
#第三個參數代表畫出所有邊界，第四個參數是線的粗細
上述函數中第一個參數是原始圖形，第二個參數是得到的輪廓點的集合，第三個參數是代表畫出所有輪廓點，第四個參數是線的粗細。
得到結果如下：
可以發現，坐標軸的輪廓和五角星的輪廓都被畫了出來。
3.4輪廓的逼近，得到頂點
在得到輪廓點后，需要得到輪廓的頂點，通過頂點得到具體什么圖形，在輪廓逼近中用到兩個函數：cv2.arcLength，cv2.approxPolyDP，代碼示例如下：
ep = 0.01*cv2.arcLength(cr[1], True)#五角星輪廓的周長cr[0]是坐標軸的周長，然后將其縮小，作為下一步的閾值
ap = cv2.approxPolyDP(cr[1], ep, True)#輪廓的轉折點的近似點
cv2.arcLength得到的是輪廓點形成的曲線圍成的圖形的周長，cr[1]代表里層五角星的輪廓點，因為cr里有兩個輪廓集合，一個是外層的坐標軸的輪廓點集合，一個是里層五角星的輪廓點集合。True代表閉合的曲線。將其取1%作為下一個函數的閾值。
cv2.approxPolyDP將其得到的輪廓點進行篩選（按設定的閾值與其真實的線進行比較），其篩選的標準就是上一個函數得到的1%的周長，大于這個值的點舍去，小于這個值的點保留，True依然代表閉合曲線。
通過以上的步驟就可以保留一些點，而這些點就是得到頂點（這點需要讀者去想一想，為什么以1%周長為閾值得到的點就是頂點，作者認為是兩條線的拐點相對于來說是里真實線最近的點）
頂點數：
四、依據頂點判斷形狀
根據得到的定點數就可判斷出形狀了，三個頂點就是三角形，四個就是矩形，十個就是五角星，十個以上就是圓形了；上述的完整代碼如下：
import cv2
import os
from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
d=os.listdir('C:\\Users\\dell\\Desktop\\cleardata\\')
for i in range(len(d)):
e=cv2.imread('C:\\Users\\dell\\Desktop\\cleardata\\'+d[i])
g=cv2.cvtColor(e,cv2.COLOR_BGR2GRAY)
r,b=cv2.threshold(g,0,255,cv2.THRESH_OTSU)
cr,t=cv2.findContours(b, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
ep = 0.01*cv2.arcLength(cr[1], True)
ap = cv2.approxPolyDP(cr[1], ep, True)
co=len(ap)
if co==3:
st='三角形'
elif co==4:
st='矩形'
elif co==10:
st='五角星'
else:
st='圓'
plt.imsave('C:\\Users\\dell\\Desktop\\形狀\\'+st+str(e[100][100])+str(i)+'.jpg',e)#取圖像中間的點的RGB作為顏色代表
這里我還取了圖形的中點，希望得到圖片的顏色，其得到的是RGB值，通過RGB值就可以得到顏色。
最終結果如下：
到此這篇關于基于opencv的簡單圖像輪廓形狀識別(全網最簡單最少代碼)的文章就介紹到這了,更多相關opencv 圖像輪廓形狀識別內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- OpenCV圖像輪廓的繪制方法
- python 基于opencv 繪制圖像輪廓
- opencv 圖像輪廓的實現示例
- opencv python 圖像輪廓/檢測輪廓/繪制輪廓的方法
- Python Opencv實現圖像輪廓識別功能
- OpenCV半小時掌握基本操作之圖像輪廓
