使用Python和OpenCV對(duì)輪廓進(jìn)行排序（從左到右，自上而下）

• • 1. 效果圖
  • 2. 原理
  • 3. 源碼
  • 參考

• 使用輪廓來構(gòu)建移動(dòng)文檔掃描儀。
• 使用輪廓來檢測(cè)圖像中的條形碼。
• 利用輪廓來找到從相機(jī)到物體或標(biāo)記的距離。

這一篇博客依然與輪廓相關(guān)，將介紹如何從左到右，從右到左，從上到下以及從下到上對(duì)輪廓進(jìn)行排序。

1. 效果圖

面積倒序 VS 自下而上排序 效果圖如下：

面積倒序 VS 自右向左效果圖如下：

2. 原理

• cv2.boundingRect 計(jì)算輪廓的邊界框區(qū)域

• python魔法進(jìn)行排序

• 根據(jù)輪廓的大小/面積對(duì)輪廓進(jìn)行排序

• 僅使用一個(gè)功能即可從左到右，從右到左，從上到下以及從下到上對(duì)輪廓區(qū)域進(jìn)行排序。

3. 源碼

# USAGE
# python sorting_contours.py --image images/image_02.png --method "right-to-left"# 導(dǎo)入必要的類
import numpy as np
import argparse
import imutils
import cv2# 輪廓排序 默認(rèn)從左到右
# --cnts 待排序的輪廓列表
# --method 排序方法 自上而下，從左到右等
def sort_contours(cnts, method="left-to-right"):# 初始化反向標(biāo)志和排序索引reverse = Falsei = 0# 處理是否需要逆向排序if method == "right-to-left" or method == "bottom-to-top":reverse = True# 處理時(shí)根據(jù)邊界框的x坐標(biāo)排序還是y坐標(biāo)排序，如果是自上而下或者自下而上則需要根據(jù)y坐標(biāo)排序而不是x坐標(biāo)if method == "top-to-bottom" or method == "bottom-to-top":i = 1# 構(gòu)建邊界框list 并使用python魔術(shù)lambda表達(dá)式進(jìn)行排序boundingBoxes = [cv2.boundingRect(c) for c in cnts](cnts, boundingBoxes) = zip(*sorted(zip(cnts, boundingBoxes),key=lambda b: b[1][i], reverse=reverse))# 返回排序后的輪廓和邊界框return (cnts, boundingBoxes)# 繪制輪廓ID號(hào)
def draw_contour(image, c, i):# 計(jì)算輪廓區(qū)域的中心，并繪制?代表中心M = cv2.moments(c)cX = int(M["m10"] / M["m00"])cY = int(M["m01"] / M["m00"])# 在圖像上繪制輪廓數(shù)cv2.putText(image, "#{}".format(i + 1), (cX - 20, cY), cv2.FONT_HERSHEY_SIMPLEX,1.0, (255, 255, 255), 2)# 返回繪制了輪廓數(shù)的圖像return image# 構(gòu)建命令行參數(shù)及解析
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=True, help="Path to the input image")
ap.add_argument("-m", "--method", required=True, help="Sorting method")
args = vars(ap.parse_args())# 加載圖像 并初始化累積的邊緣圖像
image = cv2.imread(args["image"])
accumEdged = np.zeros(image.shape[:2], dtype="uint8")# 相應(yīng)的遍歷圖像的藍(lán)色、綠色、紅色通道
for chan in cv2.split(image):# 對(duì)每個(gè)通道略微中值模糊以消除高頻噪聲，執(zhí)行邊緣檢測(cè)，然后更新累積的邊緣貼圖。chan = cv2.medianBlur(chan, 11)edged = cv2.Canny(chan, 50, 200)accumEdged = cv2.bitwise_or(accumEdged, edged)# 展示累積的圖像邊緣map
cv2.imshow("Edge Map", accumEdged)# 從圖像種找到輪廓，保持最大的一個(gè)
cnts = cv2.findContours(accumEdged.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
cnts = imutils.grab_contours(cnts)# 根據(jù)輪廓面積從大到小排序，并取前5個(gè)
cnts = sorted(cnts, key=cv2.contourArea, reverse=True)[:5]
orig = image.copy()# 遍歷未排序的輪廓，并繪制在圖像上
for (i, c) in enumerate(cnts):orig = draw_contour(orig, c, i)# 展示原始的，未排序的圖
cv2.imshow("Unsorted", orig)
cv2.waitKey(0)# 根據(jù)提供的方法對(duì)輪廓進(jìn)行排序
(cnts, boundingBoxes) = sort_contours(cnts, method=args["method"])# 遍歷排序后的輪廓，并繪制在圖像上
for (i, c) in enumerate(cnts):draw_contour(image, c, i)# 展示輸出圖像
cv2.imshow("Sorted", image)
cv2.waitKey(0)

參考

• https://www.pyimagesearch.com/2015/04/20/sorting-contours-using-python-and-opencv/

總結(jié)

以上是生活随笔為你收集整理的使用Python和OpenCV对轮廓进行排序（从左到右，自上而下）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。