python矩陣輪廓檢測,python檢測圖像中的矩形

本文目錄一覽：

• 1、Python表示矩陣的方法分析
• 2、OpenCV-Python教程:22.輪廓層級
• 3、OpenCV-Python教程:19.輪廓屬性
• 4、Python解決矩陣問題
• 5、python怎麼識別圖片中每個線的基本形狀

Python表示矩陣的方法分析

Python表示矩陣的方法分析

本文實例講述了Python表示矩陣的方法。分享給大家供大家參考，具體如下：

在c語言中，表示個「整型3行4列」的矩陣，可以這樣聲明：int a[3][4];在python中一不能聲明變數int，二不能列出維數。可以利用列表中夾帶列表形式表示。例如：

表示矩陣 ，可以這樣：

count = 1

a = []

for i in range(0, 3):

tmp = []

for j in range(0, 3):

tmp.append(count)

count += 1

a.append(tmp)

print a

結果：

[[1, 2, 3], [4, 5, 6], [7, 8, 9]]

但是注意一點：初始化（賦值全部為0時），下面是錯誤的！！

tmp = []

for j in range(0, 3):

tmp.append(0)

a = []

for i in range(0, 3):

a.append(tmp)

print a

結果：

[[0, 0, 0], [0, 0, 0], [0, 0, 0]]

原因：這樣的列表tmp為同一個，改變任意行，其他行都會給隨著改變，千萬注意！！，下面正確：

a = []

for i in range(0, 3):

tmp = []

for j in range(0, 3):

tmp.append(0)

a.append(tmp)

print a

OpenCV-Python教程:22.輪廓層級

理論

在前面的關於輪廓的幾節里，我們介紹了輪廓相關的一些函數。但當我們用cv2.findContours()函數來找輪廓的時候，我們傳入了一個參數，Contour Retrieval Mode。我們一般傳的是cv2.RETR_LIST或者cv2.RETR_TREE這樣就可以了。但是這個參數實際是什麼意思呢？

並且在輸出時我們得到了三個數組，第一個是圖像，第二個是我們的輪廓，第三個輸出名字是hierarchy。但是我們一直沒用這個。

什麼是層級?

一般來說我們用cv2.findContours()函數來檢測圖像里的目標，有時候目標在不同的地方，但是在有些情況下，有些圖形在別的圖形裡面，就像圖形嵌套，在這種情況下，我們把外面那層圖形叫做parent，裡面的叫child。這樣圖形里的輪廓之間就有了關係。我們可以指定一個輪廓和其他之間的是如何連接的，這種關係就是層級。

看下面的例子：

在這個圖像里，不同的圖形我標註了0-5，2和2a表示了最外層盒子的外部和內部輪廓。

這裡輪廓0,1,2是外部的。我們可以說他們是hierarchy-0,或者他們是同層級的。

接下來是contour-2a，可以認為是輪廓-2的孩子，或者反過來，contour-2是contour-2a的父親，所以它在hierarchy-1里。類似的contour-3是contour-2的孩子，在下一層級。最後contour4,5是contour-3a的孩子，它們在最後的層級。

OpenCV里的層級表示

每個輪廓有他自己的關於層級的信息，誰是他的孩子，誰是他的父親等。OpenCV用一個包含四個值得數組來表示：[Next, Previous, First_Child, Parent]

“Next表明同一層級的下一個輪廓”

比如，在我們的圖片里的contour-0，水上hi他相同層級的下一個輪廓？是contour-1，所以Next=1，對於Contour-1，下一個是contour-2，所以Next=2

那對於contour-2呢？沒有同層級的下一個輪廓，所以Next=-1。那麼對於contour-4呢？同層級的下一個是contour-5，所以下一個輪廓是contour-5.Next=5

“Previous指同層級的前一個輪廓”

和上面一樣，contour-1的前一個是contour-0.contour-2的前一個contour-1.對於contour-0沒有前序，所以-1

“First_Child指它的第一個孩子輪廓”

不用解釋，對於contour-2,孩子是contour-2a，所以這裡是contour-2a的索引，contour-3a有兩個孩子，但我們只取第一個，是contour-4，所以First_Child=4.

“Parent指它的父輪廓索引”

和First_Child相反，contour-4和contour-5的parent都是contour-3a,對於contour-3a，是contour-3

注意：

如果沒有孩子或者父親，就為-1

我們知道了層級，現在來看OpenCV里的輪廓獲取模式，四個標誌cv2.RETR_LIST, cv2.RETR_TREE, cv2.RETR_CCOMP, cv2.RETR_EXTERNAL表示啥？

輪廓獲取模式

1.RETR_LIST

這是最簡單的一個，它獲取所有輪廓，但是不建立父子關係，他們都是一個層級。

所以，層級屬性第三個和第四個欄位（父子）都是-1，但是Next和Previous還是有對應值。

下面是結果，每行是對應輪廓的層級信息。

hierarchy

2.RETR_EXTERNAL

如果用這個模式，它返回最外層的。所有孩子輪廓都不要，我們可以說在這種情況下，只有家族裡最老的會被照顧，其他都不管。

所以在我們的圖像里，有多少最外層的輪廓呢，有3個，contours 0,1,2

3.RETR_CCOMP

這個模式獲取所有輪廓並且把他們組織到一個2層結構里，對象的輪廓外邊界在等級1里，輪廓內沿（如果有的話）放在層級2里。如果別的對象在它裡面，裡面的對象輪廓還是放在層級1里，它的內沿在層級2.

看下面的例子，輪廓的順序為紅色，他們的層級是綠色，

看第一個輪廓，contour-0，他的層級是1，他有兩個洞，contours1和2，他們都屬於層級2，所以對於contour-0,Next是contour-3，沒有前序，他的第一個孩子是contour-1，沒有parent，所以層級數組是[3,-1,1,-1]

看contour-1，他在層級2里，Next是contour-2，沒有前序，沒有孩子，parent是contour-0，所以數組是[2,-1,-1,0]

同樣對於contour-2，也在層級2里，沒有next，前序是contour-1，沒有孩子，parent是contour-0，所以[-1,1,-1,0]。

contour-3：next是contour-5，Previous是contour-0，Child是contour-4，沒有parent，所以[5,0,4,-1]

contour-4:在層級2里，沒有兄弟，所以沒有Next，沒有Previous，沒有孩子，parent是contour-3，[-1,-1,-1,3]

4.RETR_TREE

最後，Mr.Perfect。它取回所有的輪廓並且創建完整的家族層級列表，它甚至能告訴你誰是祖父，父親，兒子，孫子。。

比如把上面的圖形用cv2.RETR_TREE，

對於contour-0:層級是0，Next是contour-7，沒有previous，孩子是contour-1，沒有parent，所以[7,-1,1,-1]

contour-1:在層級1里，沒有同級的其他輪廓，沒有previous，孩子是contour-2，所以[-1,-1,2,0]

OpenCV里的直方圖

OpenCV-Python教程:19.輪廓屬性

1圖像矩

幫你計算一些屬性，比如重心，面積等。

函數cv2.moments()會給你一個字典，包含所有矩值

你可以從這個裡面得到有用的數據比如面積，重心等。重心可以用下面的式子得到：

2.輪廓面積

輪廓面積由函數cv2.contourArea()得到或者從矩里得到M[‘m00’]

3.輪廓周長

可以用cv2.arcLength()函數得到。第二個參數指定形狀是否是閉合的輪廓（如果傳True）。或者只是一個曲線。

4.輪廓近似

這會把輪廓形狀近似成別的邊數少的形狀，邊數由我們指定的精確度決定。這是Douglas-Peucker演算法的實現。

要理解這個，假設你試圖找一個圖像里的方塊，但是由於圖像里的一些問題，你得不到一個完美的方塊，只能得到一個「壞方塊」。現在你可以使用這個函數來近似，第二個參數叫epsilon，是從輪廓到近似輪廓的最大距離。是一個準確率參數，好的epsilon的選擇可以得到正確的輸出。

在下面第二個圖像里，綠線顯示了epsilon = 10% of arc length 的近似曲線。第三個圖像顯示了epsilon = 1% of the arc length。第三個參數指定曲線是否閉合。

5.凸形外殼

凸形外殼和輪廓近似類似，但是還不一樣（某些情況下兩個甚至提供了同樣的結果）。這兒，cv2.convexHull()函數檢查凸面曲線缺陷並修復它。一般來說，凸面曲線總是外凸的，至少是平的，如果它內凹了，這就叫凸面缺陷。比如下面這張圖，紅線顯示了手的凸形外殼。雙向箭頭顯示了凸面缺陷，是輪廓外殼的最大偏差。

參數詳情：

·points 是我們傳入的輪廓

·hull 是輸出，一般我們不用傳

·clockwise： 方向標示，如果是True，輸出凸形外殼是順時針方向的。否則，是逆時針的。

·returnPoints：默認是True。然後會返回外殼的點的坐標。如果為False，它會返回輪廓對應外殼點的索引。

所以要獲得凸形外殼，下面

但是如果你想找到凸面缺陷，你需要傳入returnPoints = False。我們拿上面的矩形圖形來說，首先我找到他的輪廓cnt，現在用returnPoints = True來找他的凸形外殼，我得到下面的值：[[[234 202]], [[51 202]], [51 79]], [[234 79]]]  是四個角的點。如果你用returnPoints = False，我會得到下面的結果：[[129], [67], [0], [142]].  這是輪廓里對應點的索引，比如cnt[129] = [234, 202]]，這和前面結果一樣。

6.檢查凸面

有一個函數用來檢查是否曲線是凸面, cv2.isContourConvex().它返回True或False。

7.邊界矩形

有兩種邊界矩形

7.a.正邊界矩形

這個矩形不考慮對象的旋轉，所以邊界矩形的面積不是最小的，函數是cv2.boundingRect()。

假設矩形左上角的坐標是(x,y)， （w, h）是它的寬和高

7.b.渲染矩形

這個邊界矩形是用最小面積畫出來的，所以要考慮旋轉。函數是cv2.minAreaRect()。它返回一個Box2D結構，包含了(左上角(x,y)，（width, height）,旋轉角度）。但是要畫這個矩形我們需要4個角。這四個角用函數cv2.boxPoints()得到

8.最小閉包圓

我們找一個目標的外接圓可以用函數cv2.minEnclosingCircle().這個圓用最小面積完全包圍目標。

9.橢圓

用一個橢圓來匹配目標。它返回一個旋轉了的矩形的內接橢圓

10. 直線

類似的我們可以匹配一根直線，下面的圖像包含一系列的白色點，我們可以給它一條近似的直線。

END

Python解決矩陣問題

下面是基於python3.4的數組矩陣輸入方法：

1.import numpy as np

2.arr = [1,2,3,4,5,6,7,8,9]

3.matrix_a = np.array(arr)2.

4.手動定義一個空數組：arr =[]，鏈表數組：a = [1,2,[1,2,3]]。  

Python, 是一種面向對象的解釋型計算機程序設計語言，由荷蘭人Guido van Rossum於1989年發明，第一個公開發行版發行於1991年。

Python是純粹的自由軟體， 源代碼和解釋器CPython遵循 GPL(GNU General Public License)協議[2]  。Python語法簡潔清晰，特色之一是強制用空白符(white space)作為語句縮進。

Python具有豐富和強大的庫。它常被昵稱為膠水語言，能夠把用其他語言製作的各種模塊（尤其是C/C++）很輕鬆地聯結在一起。常見的一種應用情形是，使用Python快速生成程序的原型（有時甚至是程序的最終界面），然後對其中[3]  有特別要求的部分，用更合適的語言改寫，比如3D遊戲中的圖形渲染模塊，性能要求特別高，就可以用C/C++重寫，而後封裝為Python可以調用的擴展類庫。需要注意的是在您使用擴展類庫時可能需要考慮平台問題，某些可能不提供跨平台的實現。

7月20日，IEEE發布2017年編程語言排行榜：Python高居首位。

python怎麼識別圖片中每個線的基本形狀

輪廓搜索

Cv2的方法。findContours用於查找輪廓。代碼示例如下:

Cr、t = cv2。cv2 findContours (b。retr_tree cv2.chain_approx_simple) #

第三個參數定義了輪廓的近似方式

在上述函數的參數中，第一個參數是二值化矩陣，第二個參數是獲得輪廓的方式，第三個參數是定義輪廓的近似方式。

搜索大綱

Cv2方法。FindContours用於查找contours。代碼示例如下:

Cr t等於cv2。Cv2 findContours (b. retr_tree Cv2 .chain_approx_simple) #

第三個參數定義了輪廓的近似方式

上述函數的參數中，第一個參數是二值化矩陣，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。