使用OpenCV在python中进行形状检测

我正在做一个项目，在这个项目中，我使用OpenCV来检测形状及其颜色

有5种颜色（红色、绿色、黄色、蓝色和白色）和4种形状（矩形、星形、圆形和心形）。我已经能够可靠地辨别颜色，并且当使用的图像是像这样的绘制图像时，我可以检测形状 使用此代码。注意，该图像仅用于演示，我的代码中的范围值不适用于这些颜色

import cv2
import numpy as np
class Shape():

    def __init__(self, color, shape, x, y, approx):
        self.color = color
        self.shape = shape
        self.x = x
        self.y = y
        self.approx = approx
def closing(mask):
kernel = np.ones((7,7),np.uint8) 
closing = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel)
return closing

def opening(mask):
    kernel = np.ones((6,6),np.uint8)
    opening = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)
    return opening

#Define Red
lower_red = np.array([0, 90, 60], dtype=np.uint8)
upper_red = np.array([10, 255, 255], dtype=np.uint8)
red = [lower_red, upper_red, 'red']

#Define Green
lower_green = np.array([60, 55, 0], dtype=np.uint8)
upper_green = np.array([100, 255, 120], dtype=np.uint8)
green = [lower_green, upper_green, 'green']

#Define Blue
lower_blue = np.array([90, 20, 60], dtype=np.uint8)
upper_blue = np.array([130, 255, 180], dtype=np.uint8)
blue = [lower_blue, upper_blue, 'blue']

#Define Yellow
lower_yellow = np.array([5, 110, 200], dtype=np.uint8)
upper_yellow = np.array([50, 255, 255], dtype=np.uint8)
yellow = [lower_yellow, upper_yellow, 'yellow']

#Define White
lower_white = np.array([0, 90, 60], dtype=np.uint8)
upper_white = np.array([10, 255, 255], dtype=np.uint8)
white = [lower_white, upper_white ,'white']

colors = [red, green, blue, yellow, white]

def detect_shapes(image_location):
    #Open image
    img = cv2.imread(image_location)

    #Convert to hsv
    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

    #Shape list
    shapes = []

    #Lay over masks and detect shapes
    for color in colors:
        mask = cv2.inRange(hsv, color[0], color[1])
        mask = closing(mask)
        mask = opening(mask)
        contours, h = cv2.findContours(mask, 1, cv2.CHAIN_APPROX_SIMPLE)
        contours.sort(key = len)
        for contour in contours[-3:]:
            #Amount of edges
            approx = cv2.approxPolyDP(contour, 0.01*cv2.arcLength(contour, True), True)
            #Center locations
            M = cv2.moments(contour)
            if M['m00'] == 0.0:
                continue
            centroid_x = int(M['m10']/M['m00'])
            centroid_y = int(M['m01']/M['m00'])

            if len(approx) == 4:
                shape_name = 'rectangle'
            elif len(approx) == 10:
                shape_name = 'star'
            elif len(approx) >= 11:
                shape_name = 'oval'
            else:
                shape_name ='undefined'

            shape = Shape(color[2], shape_name, centroid_x, centroid_y, len(approx))
            shapes.append(shape)

    return shapes

这在很大程度上是基于这些问题的答案

然而，当我试图检测实际照片上的形状时，我无法可靠地使用它。我得到的边的数量变化很大。这是一张照片的例子，我需要识别照片上的形状。 我猜这是因为形状边缘的小瑕疵，但我不知道如何用直线近似这些边缘，或者如何可靠地识别圆。要做到这一点，我需要在代码中更改什么？密集的谷歌搜索还没有给我答案，但这可能是因为我在搜索中没有使用正确的术语

---

另外，如果这个问题的格式不正确，请告诉我

这是我处理你的图像的代码，代码就可以了

模糊来源

Canny边缘检测

找到等高线

轮廓的近似多边形

检查approxPolyDP点的总大小

代码：

Mat src=imread（“src.jpg”，1）；
Mat-thr，灰色；
模糊（src，src，大小（3,3））；
CVT颜色（src、灰色、CV_BGr2灰色）；
Canny（灰色，thr，50，190，3，假）；
矢量等值线；
向量层次；
findContours（thr.clone（）、轮廓、层次、CV_RETR_外部、CV_链_近似_简单、点（0,0））；
向量等高线_多边形（等高线.size（））；
向量boundRect（contours.size（））；
向量中心（courtos.size（））；
Vectoradius（courtous.size（））；
向量壳（contours.size（））；
对于（int i=0；i15）//检查角点
drawContours（src，等高线_poly，i，标量（0255,0），2,8，向量（），0，点（））；//真实对象
其他的
drawContours（src，等高线_poly，i，标量（0,0255），2,8，向量（），0，点（））；//假对象
//绘制等高线（src、外壳、i、标量（0,0255）、2、8、向量（）、0、点（））；
//矩形（src，boundRect[i].tl（），boundRect[i].br（），标量（0255,0），2,8,0）；
//圆（src，圆心[i]，（int）半径[i]，标量（0,0255），2,8,0）；
}
imshow（“src”，src）；
imshow（“Canny”，thr）；
waitKey（）；

---

如果在计算

近似值时使用大于
0.01的数值，则效果可能更好。不过，您可能会遇到圆组件的问题，最好单独处理。@Habba尝试一下@Haris，它可能适用于圆和矩形，但星星会被识别吗？或者我应该寻找五边形吗？@Habba如果你没有复杂的形状，你可以继续使用approxPolyDP（），在那里你将有15个更多的点设置用于星形形状，看我得到的，这里绿色是被检测到的形状。@Haris哇，看起来真不错。你能解释一下你做了什么吗？先凸包然后再逼近多边形？还是精明？我已经读过了，但是不知道它对这个问题是否有用。非常感谢！这肯定会帮助我理解如何做这些事情。你能再解释一下第五步吗？谢谢也就是说，您必须检查等高线中有多少个点，这是cv:：Point类型的向量。轮廓\多边形包含每个轮廓的角点。这样你就可以确认对象是不是星。这是C++，是Python代码吗？只是好奇我不写c，反正我可以把它转换成python谢谢这太棒了！
   Mat src=imread("src.jpg",1);
   Mat thr,gray;
   blur(src,src,Size(3,3));
   cvtColor(src,gray,CV_BGR2GRAY);
   Canny(gray,thr,50, 190, 3, false );
   vector<vector<Point> > contours;
   vector<Vec4i> hierarchy;
   findContours( thr.clone(),contours,hierarchy,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE,Point(0,0));

   vector<vector<Point> > contours_poly(contours.size());
   vector<Rect> boundRect( contours.size() );
   vector<Point2f>center( contours.size() );
   vector<float>radius( contours.size() );
   vector<vector<Point> >hull( contours.size() );
   for( int i = 0; i < contours.size(); i++ )
    {
    approxPolyDP( Mat(contours[i]), contours_poly[i], 10, true );
    boundRect[i] = boundingRect( Mat(contours_poly[i]) );
    minEnclosingCircle( (Mat)contours_poly[i], center[i], radius[i] );
    convexHull( Mat(contours[i]), hull[i], false );

    if( contours_poly[i].size()>15) // Check for corner
       drawContours( src, contours_poly, i, Scalar(0,255,0), 2, 8, vector<Vec4i>(), 0, Point() ); // True object
    else
       drawContours( src, contours_poly, i, Scalar(0,0,255), 2, 8, vector<Vec4i>(), 0, Point() ); // false object
      //drawContours( src, hull, i, Scalar(0,0,255), 2, 8, vector<Vec4i>(), 0, Point() );
      // rectangle( src, boundRect[i].tl(), boundRect[i].br(), Scalar(0,255,0), 2, 8, 0 );
       //circle( src, center[i], (int)radius[i], Scalar(0,0,255), 2, 8, 0 );
    }
   imshow("src",src);
   imshow("Canny",thr);
   waitKey();