Python 什么'；cv2.approxPolyDP检测点的s规则？
我有以下两个输入图像： 第一: 第二： 现在我想检测正方形区域 这是我的代码：Python 什么'；cv2.approxPolyDP检测点的s规则？,python,opencv,image-processing,Python,Opencv,Image Processing,我有以下两个输入图像： 第一: 第二： 现在我想检测正方形区域 这是我的代码： #!/usr/bin/env python # coding: utf-8 import numpy as np import cv2 import argparse import math import sys ap = argparse.ArgumentParser() ap.add_argument("-i", "--image", required=True, help="path to input
#!/usr/bin/env python
# coding: utf-8
import numpy as np
import cv2
import argparse
import math
import sys
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=True, help="path to input image")
args = vars(ap.parse_args())
img = cv2.imread(args["image"])
# img = cv2.bitwise_not(img,img)
# gray = cv2.imread(args["image"],0)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray, (5, 5), 0)
cv2.imshow('gray', gray)
cv2.waitKey(0)
gray = cv2.normalize(gray, gray, alpha=0, beta=255, norm_type=cv2.NORM_MINMAX, dtype=cv2.CV_8UC1)
cv2.imshow('normalized', gray)
cv2.waitKey(0)
# sys.exit()
ret, thresh = cv2.threshold(gray, 230, 255, cv2.THRESH_BINARY_INV)
cv2.imshow('thresh', thresh)
# cv2.imwrite('./wni230.png',thresh)
cv2.waitKey(0)
square_cnts = []
thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, np.ones((5, 5), np.uint8))
cv2.imshow('dilated', thresh)
cv2.waitKey(0)
# sys.exit()
tmpimage, contours, h = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnt0 = contours[0]
tmp_h = h[::-1]
for index, cnt in enumerate(contours[::-1]):
print '!!!!!!!!!!! new round !!!!!!!!!!'
print cv2.arcLength(cnt, True)
# print cnt
approx = cv2.approxPolyDP(cnt, 0.1*cv2.arcLength(cnt, True), True)
print '**********approx*****'
print approx
print len(approx)
print '**********approx end*****'
if len(approx) == 4:
print 'h[i][2]:%s' % tmp_h[0][index][2]
print 'h[i][3]:%s' % tmp_h[0][index][3]
if ret > 0.5:
print "Parallelogram"
elif 0.3 < ret < 0.5:
print "Rectangle"
elif 0 < ret < 0.3:
print "Rhombus"
else:
print "square"
print cv2.arcLength(cnt, True)
print approx
cv2.drawContours(img, [cnt], 0, (0, 0, 255), 2)
cv2.imshow('tmpsquare', img)
cv2.waitKey(0)
if int(cv2.arcLength(cnt, True)) >= 96:
x, y, w, h = cv2.boundingRect(approx)
for j in approx:
cv2.circle(img, (int(j[0][0]), int(j[0][1])), 1, (0, 255, 0), 2)
cv2.imshow('final', img[y:y+h, x:x+w])
cv2.waitKey(0)
print 'target but long squere detected...'
cv2.waitKey(0)
cv2.imshow('img', img)
cv2.imwrite('tmp.png', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
#/usr/bin/env python
#编码：utf-8
将numpy作为np导入
进口cv2
导入argparse
输入数学
导入系统
ap=argparse.ArgumentParser（）
ap.add_参数（“-i”，“--image”，required=True，help=“输入图像的路径”）
args=vars（ap.parse_args（））
img=cv2.imread（args[“image”]）
#img=cv2。按位\u非（img，img）
#gray=cv2.imread（args[“image”]，0）
灰色=cv2.CVT颜色（img，cv2.COLOR\U BGR2GRAY）
灰色=cv2.高斯模糊（灰色，（5,5,0）
cv2.imshow（“灰色”，灰色）
cv2.等待键（0）
gray=cv2.规格化（gray，gray，alpha=0，beta=255，norm\u type=cv2.norm\u MINMAX，dtype=cv2.CV\u 8UC1）
cv2.imshow（“标准化”，灰色）
cv2.等待键（0）
#sys.exit（）
ret，thresh=cv2.阈值（灰色，230，255，cv2.thresh\u二进制\u INV）
cv2.imshow（'thresh'，thresh）
#cv2.imwrite（'./wni230.png'，thresh）
cv2.等待键（0）
平方英尺=[]
thresh=cv2.morphologyEx（thresh，cv2.MORPH\u CLOSE，np.one（（5，5），np.uint8））
cv2.imshow（“放大”，阈值）
cv2.等待键（0）
#sys.exit（）
t图像，轮廓，h=cv2.找到的轮廓（脱粒，cv2.RETR\u外部，cv2.链近似\u简单）
cnt0=等高线[0]
tmp_h=h[：-1]
对于索引，枚举中的cnt（等高线[：-1]）：
打印“！！！！！！！！！！！新一轮
打印cv2.arcLength（cnt，真）
#印刷碳纳米管
近似=cv2.近似聚合度（cnt，0.1*cv2.弧长（cnt，真），真）
打印“**********约*******”
打印大约
打印透镜（约）
打印“**********大约结束******”
如果len（近似值）=4：
打印'h[i][2]：%s'%tmp_h[0][index][2]
打印'h[i][3]：%s'%tmp_h[0][index][3]
如果ret>0.5：
打印“平行四边形”
elif 0.3=96：
x、 y，w，h=cv2.边界矩形（近似值）
对于j英寸，大约：
圆（img，（int（j[0][0]），int（j[0][1]），1，（0,255,0），2）
cv2.imshow（“最终”，img[y:y+h，x:x+w]）
cv2.等待键（0）
打印“目标但检测到长时间静噪…”
cv2.等待键（0）
cv2.imshow（“img”，img）
cv2.imwrite（'tmp.png'，img）
cv2.等待键（0）
cv2.destroyAllWindows（）
韦斯利有一个关于Ramer–Douglas–Peucker算法的很好的描述，上面有动画。根据这是使用的算法
approxPolyDP