WHCSRL 技术网

opencv 最大内接矩形笔记

python 最小外接矩形：

  1.         cnt = np.array([[data_0_x, data_0_y], [data_1_x, data_1_y], [data_2_x, data_2_y], [data_3_x, data_3_y]])  # 必须是array数组的形式
  2.         rect = cv2.minAreaRect(cnt)  # 得到最小外接矩形的（中心(x,y), (宽,高), 旋转角度）
  3.         box = cv2.boxPoints(rect)  # 获取最小外接矩形的4个顶点坐标(ps: cv2.boxPoints(rect) for OpenCV 3.x)
  4.         box = np.int0(box)
  5.         cv2.drawContours(img, [box], 0, (255, 0, 0), 1)

最大内接矩形，从轮廓中所有坐标中获取其中4个坐标即可：

python 获取过程如下：

转自：图像轮廓最大内接矩形的求法 - 奥布莱恩 - 博客园

  1. def order_points(pts):
  2.     # pts为轮廓坐标
  3.     # 列表中存储元素分别为左上角，右上角，右下角和左下角
  4.     rect = np.zeros((4, 2), dtype = "float32")
  5.     # 左上角的点具有最小的和，而右下角的点具有最大的和
  6.     s = pts.sum(axis = 1)
  7.     rect[0] = pts[np.argmin(s)]
  8.     rect[2] = pts[np.argmax(s)]
  9.     # 计算点之间的差值
  10.     # 右上角的点具有最小的差值,
  11.     # 左下角的点具有最大的差值
  12.     diff = np.diff(pts, axis = 1)
  13.     rect[1] = pts[np.argmin(diff)]
  14.     rect[3] = pts[np.argmax(diff)]
  15.     # 返回排序坐标(依次为左上右上右下左下)
  16.     return rect
  17.  
  18.  
  19. img = cv2.imread(path)
  20. gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  21. blurred = cv2.blur(gray, (9, 9))
  22. _, thresh = cv2.threshold(blurred, 155, 255, cv2.THRESH_BINARY)
  23. _, cnts, _ = cv2.findContours( thresh.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
  24. c = sorted(cnts, key=cv2.contourArea, reverse=True)[0]<br>先找出轮廓点
  25.  
  26. rect = order_points(c.reshape(c.shape[0], 2))
  27. print(rect)
  28. xs = [i[0] for i in rect]
  29. ys = [i[1] for i in rect]
  30. xs.sort()
  31. ys.sort()
  32. #内接矩形的坐标为
  33. print(xs[1],xs[2],ys[1],ys[2])

一下内容转自：

python-opencv 图像捕捉多个不规则轮廓，与轮廓内接区域(圆/矩形)思路-持续更新编辑中(会附上详细的思路解释和图片) - Lorzen - 博客园

  1. def drawInRectgle(img, cont, cX, cY, x_min, x_max, y_min, y_max):
  2.             """绘制不规则最大内接正矩形"""
  3.             # img 对应的是原图, 四个极值坐标对应的是最大外接矩形的四个顶点
  4.             c = cont  # 单个轮廓
  5.             # print(c)
  6.             range_x, range_y = x_max - x_min, y_max - y_min   # 轮廓的X，Y的范围
  7.             x1, x2, y1, y2 = cX, cX, cY, cY     # 中心扩散矩形的四个顶点x,y
  8.             cnt_range, radio = 0, 0
  9.             shape_flag = 1                      # 1：轮廓X轴方向比Y长；0：轮廓Y轴方向比X长
  10.             if range_x > range_y:                     # 判断轮廓 X方向更长
  11.                 radio, shape_flag = int(range_x / range_y), 1
  12.                 range_x_left = cX - x_min
  13.                 range_x_right = x_max - cX
  14.                 if range_x_left >= range_x_right:   # 取轴更长范围作for循环
  15.                     cnt_range = int(range_x_left)
  16.                 if range_x_left < range_x_right:
  17.                     cnt_range = int(range_x_right)
  18.             else:                                   # 判断轮廓 Y方向更长
  19.                 radio, shape_flag = int(range_y / range_x), 0
  20.                 range_y_top = cY - y_min
  21.                 range_y_bottom = y_max - cY
  22.                 if range_y_top >= range_y_bottom:   # 取轴更长范围作for循环
  23.                     cnt_range = int(range_y_top)
  24.                 if range_y_top < range_y_bottom:
  25.                     cnt_range = int(range_y_bottom)
  26.             print("X radio Y: %%d " %% radio)
  27.             print("---------new drawing range: %%d-------------------------------------" %% cnt_range)
  28.             flag_x1, flag_x2, flag_y1, flag_y2 = False, False, False, False
  29.             radio = 5       # 暂时设5，统一比例X:Y=5:1 因为发现某些会出现X:Y=4:1, 某些会出现X:Y=5:1
  30.             if shape_flag == 1:
  31.                 radio_x = radio - 1
  32.                 radio_y = 1
  33.             else:
  34.                 radio_x = 1
  35.                 radio_y = radio - 1
  36.             for ix in range(1, cnt_range, 1):      # X方向延展，假设X:Y=3:1，那延展步进值X:Y=3:1
  37.                 # 第二象限延展
  38.                 if flag_y1 == False:
  39.                     y1 -= 1 * radio_y       # 假设X:Y=1:1，轮廓XY方向长度接近，可理解为延展步进X:Y=1:1
  40.                     p_x1y1 = cv.pointPolygonTest(c, (x1, y1), False)
  41.                     p_x2y1 = cv.pointPolygonTest(c, (x2, y1), False)
  42.                     if p_x1y1 <= 0 or y1 <= y_min or p_x2y1 <= 0:  # 在轮廓外，只进行y运算，说明y超出范围
  43.                         for count in range(0, radio_y - 1, 1):    # 最长返回步进延展
  44.                             y1 += 1     # y超出, 步进返回
  45.                             p_x1y1 = cv.pointPolygonTest(c, (x1, y1), False)
  46.                             if p_x1y1 <= 0 or y1 <= y_min or p_x2y1 <= 0:
  47.                                 pass
  48.                             else:
  49.                                 break
  50.                         # print("y1 = %%d, P=%%d" %% (y1, p_x1y1))
  51.                         flag_y1 = True
  52.  
  53.                 if flag_x1 == False:
  54.                     x1 -= 1 * radio_x
  55.                     p_x1y1 = cv.pointPolygonTest(c, (x1, y1), False)    # 满足第二象限的要求，像素都在轮廓内
  56.                     p_x1y2 = cv.pointPolygonTest(c, (x1, y2), False)    # 满足第三象限的要求，像素都在轮廓内
  57.                     if p_x1y1 <= 0 or x1 <= x_min or p_x1y2 <= 0:       # 若X超出轮廓范围
  58.                         # x1 += 1  # x超出, 返回原点
  59.                         for count in range(0, radio_x-1, 1):       #
  60.                             x1 += 1         # x超出, 步进返回
  61.                             p_x1y1 = cv.pointPolygonTest(c, (x1, y1), False)  # 满足第二象限的要求，像素都在轮廓内
  62.                             p_x1y2 = cv.pointPolygonTest(c, (x1, y2), False)  # 满足第三象限的要求，像素都在轮廓内
  63.                             if p_x1y1 <= 0 or x1 <= x_min or p_x1y2 <= 0:
  64.                                 pass
  65.                             else:
  66.                                 break
  67.                         # print("x1 = %%d, P=%%d" %% (x1, p_x1y1))
  68.                         flag_x1 = True              # X轴像左延展达到轮廓边界，标志=True
  69.                 # 第三象限延展
  70.                 if flag_y2 == False:
  71.                     y2 += 1 * radio_y
  72.                     p_x1y2 = cv.pointPolygonTest(c, (x1, y2), False)
  73.                     p_x2y2 = cv.pointPolygonTest(c, (x2, y2), False)
  74.                     if p_x1y2 <= 0 or y2 >= y_max or p_x2y2 <= 0:  # 在轮廓外，只进行y运算，说明y超出范围
  75.                         for count in range(0, radio_y - 1, 1):  # 最长返回步进延展
  76.                             y2 -= 1     # y超出, 返回原点
  77.                             p_x1y2 = cv.pointPolygonTest(c, (x1, y2), False)
  78.                             if p_x1y2 <= 0 or y2 >= y_max or p_x2y2 <= 0:  # 在轮廓外，只进行y运算，说明y超出范围
  79.                                 pass
  80.                             else:
  81.                                 break
  82.                         # print("y2 = %%d, P=%%d" %% (y2, p_x1y2))
  83.                         flag_y2 = True              # Y轴像左延展达到轮廓边界，标志=True
  84.                 # 第一象限延展
  85.                 if flag_x2 == False:
  86.                     x2 += 1 * radio_x
  87.                     p_x2y1 = cv.pointPolygonTest(c, (x2, y1), False)    # 满足第一象限的要求，像素都在轮廓内
  88.                     p_x2y2 = cv.pointPolygonTest(c, (x2, y2), False)    # 满足第四象限的要求，像素都在轮廓内
  89.                     if p_x2y1 <= 0 or x2 >= x_max or p_x2y2 <= 0:
  90.                         for count in range(0, radio_x - 1, 1):  # 最长返回步进延展
  91.                             x2 -= 1     # x超出, 返回原点
  92.                             p_x2y1 = cv.pointPolygonTest(c, (x2, y1), False)  # 满足第一象限的要求，像素都在轮廓内
  93.                             p_x2y2 = cv.pointPolygonTest(c, (x2, y2), False)  # 满足第四象限的要求，像素都在轮廓内
  94.                             if p_x2y1 <= 0 or x2 >= x_max or p_x2y2 <= 0:
  95.                                 pass
  96.                             elif p_x2y2 > 0:
  97.                                 break
  98.                         # print("x2 = %%d, P=%%d" %% (x2, p_x2y1))
  99.                         flag_x2 = True
  100.                 if flag_y1 and flag_x1 and flag_y2 and flag_x2:
  101.                     print("(x1,y1)=(%%d,%%d)" %% (x1, y1))
  102.                     print("(x2,y2)=(%%d,%%d)" %% (x2, y2))
  103.                     break
  104.             # cv.line(img, (x1,y1), (x2,y1), (255, 0, 0))
  105.             cv.rectangle(img, (x1, y1), (x2, y2), (255, 255, 255), 1, 8)
  106.  
  107.             return x1, x2, y1, y2

c++版

OpenCVSharp 小练习 最大内接矩形_tfarcraw的博客-CSDN博客

​​​​​​opencv:求区域的内接矩形_cfqcfqcfqcfqcfq的博客-CSDN博客_opencv 内接矩形

  1. #include<opencv2opencv.hpp>
  2. #include <iostream>
  3. #include<vector>
  4.  
  5. using namespace cv;
  6. using namespace std;
  7.  
  8. /**
  9. * @brief expandEdge 扩展边界函数
  10. * @param img:输入图像，单通道二值图，深度为8
  11. * @param edge  边界数组，存放4条边界值
  12. * @param edgeID 当前边界号
  13. * @return 布尔值 确定当前边界是否可以扩展
  14. */
  15.  
  16. bool expandEdge(const Mat & img, int edge[], const int edgeID)
  17. {
  18. 	//[1] --初始化参数
  19. 	int nc = img.cols;
  20. 	int nr = img.rows;
  21. 	switch (edgeID) {
  22. 	case 0:
  23. 		if (edge[0]>nr)
  24. 			return false;
  25. 		for (int i = edge[3]; i <= edge[1]; ++i)
  26. 		{
  27. 			if (img.at<uchar>(edge[0], i) == 255)//遇见255像素表明碰到边缘线
  28. 				return false;
  29. 		}
  30. 		edge[0]++;
  31. 		return true;
  32. 		break;
  33. 	case 1:
  34. 		if (edge[1]>nc)
  35. 			return false;
  36. 		for (int i = edge[2]; i <= edge[0]; ++i)
  37. 		{
  38. 			if (img.at<uchar>(i, edge[1]) == 255)//遇见255像素表明碰到边缘线
  39. 				return false;
  40. 		}
  41. 		edge[1]++;
  42. 		return true;
  43. 		break;
  44. 	case 2:
  45. 		if (edge[2]<0)
  46. 			return false;
  47. 		for (int i = edge[3]; i <= edge[1]; ++i)
  48. 		{
  49. 			if (img.at<uchar>(edge[2], i) == 255)//遇见255像素表明碰到边缘线
  50. 				return false;
  51. 		}
  52. 		edge[2]--;
  53. 		return true;
  54. 		break;
  55. 	case 3:
  56. 		if (edge[3]<0)
  57. 			return false;
  58. 		for (int i = edge[2]; i <= edge[0]; ++i)
  59. 		{
  60. 			if (img.at<uchar>(i, edge[3]) == 255)//遇见255像素表明碰到边缘线
  61. 				return false;
  62. 		}
  63. 		edge[3]--;
  64. 		return true;
  65. 		break;
  66. 	default:
  67. 		return false;
  68. 		break;
  69. 	}
  70.  
  71. }
  72.  
  73. /**
  74. * @brief 求取连通区域内接矩
  75. * @param img:输入图像，单通道二值图，深度为8
  76. * @param center:最小外接矩的中心
  77. * @return  最大内接矩形
  78. * 基于中心扩展算法
  79. */
  80.  
  81. cv::Rect InSquare(Mat &img, const Point center)
  82. {
  83. 	// --[1]参数检测
  84. 	if (img.empty() ||img.channels()>1|| img.depth()>8)
  85. 		return Rect();
  86. 	// --[2] 初始化变量
  87. 	int edge[4];
  88. 	edge[0] = center.y + 1;//top
  89. 	edge[1] = center.x + 1;//right
  90. 	edge[2] = center.y - 1;//bottom
  91. 	edge[3] = center.x - 1;//left
  92. 						   //[2]
  93. 						   // --[3]边界扩展(中心扩散法)
  94.  
  95. 	bool EXPAND[4] = { 1,1,1,1 };//扩展标记位
  96. 	int n = 0;
  97. 	while (EXPAND[0] || EXPAND[1] || EXPAND[2] || EXPAND[3])
  98. 	{
  99. 		int edgeID = n %% 4;
  100. 		EXPAND[edgeID] = expandEdge(img, edge, edgeID);
  101. 		n++;
  102. 	}
  103. 	//[3]
  104. 	//qDebug() << edge[0] << edge[1] << edge[2] << edge[3];
  105. 	Point tl = Point(edge[3], edge[0]);
  106. 	Point br = Point(edge[1], edge[2]);
  107. 	return Rect(tl, br);
  108. }
  109.  
  110.  
  111.  
  112.  
  113. int main()
  114. {
  115.  
  116. 	bool isExistence = false;
  117. 	float first_area = 0;
  118. 	/// 加载源图像
  119. 	Mat src;
  120. 	src = imread("cen.bmp", 1);
  121. 	//src = imread("C:\Users\Administrator\Desktop\测试图片\xxx\20190308152516.jpg",1);
  122. 	//src = imread("C:\Users\Administrator\Desktop\测试图片\xx\20190308151912.jpg",1);
  123. 	//src = imread("C:\Users\Administrator\Desktop\测试图像\2\BfImg17(x-247 y--91 z--666)-(492,280).jpg",1);
  124. 	cvtColor(src, src, CV_RGB2GRAY);
  125. 	threshold(src, src, 100, 255, THRESH_BINARY);
  126. 	Rect ccomp;
  127. 	Point center(src.cols / 2, src.rows / 2);
  128. 	//floodFill(src, center, Scalar(255, 255, 55), &ccomp, Scalar(20, 20, 20), Scalar(20, 20, 20));
  129. 	if (src.empty())
  130. 	{
  131. 		cout << "fali" << endl;
  132. 	}
  133. 	//resize(src, src, cv::Size(496, 460), cv::INTER_LINEAR);
  134. 	imshow("src", src);
  135. 	Rect rr = InSquare(src, center);
  136. 	rectangle(src, rr, Scalar(255), 1, 8);
  137. 	imshow("src2", src);
  138.  
  139. 	waitKey(0);
  140. 	getchar();
  141. 	return 0;
  142. }

原图和效果图：

推荐阅读

YumRepo 错误：所有镜像 URL 均未使用 ftp、http[s] 或文件。

YumRepo Error: All mirror URLs are not using ftp, http[s] or file.问题解决办法1.确保虚拟机网络是通的2.配置repo文件问题今天在VMware上安装了一台Linux（CentOS 6.5）虚拟机，在安装apache http web服务器时，出现了以下问题：二话不说，在网上搜了一大圈，结合网友的各种解决办法，这里，本人总结一下。解决办法1.确保虚拟机网络是通的首先要确保虚拟机网络是通的，可以ping通www.baidu.com , ,

5G手机销量创年末倒数第二，消费者对5G越来越冷

信息通信研究院公布了今年9月国内手机销量数据。数据显示，9月份5G手机销量仅为1511.8万部，仅略高于今年2月份的1507万部，可见消费者对5G手机的热情进一步消退。 2021年9月国内市场手... ,

蜜蜂网蜜蜂币突破1500万用户，pi币模式，24小时点击

蜜蜂网蜜蜂网用户已突破1500万，pi币模式，24小时点击。什么是蜜蜂网络：介绍我们是谁的组织是谁？ Bee Network是由DAO（Decentralized Autonomous Organization）发起和创建的去中心化组织网络；我们为什么给它命名？顾名思义，我们取自凯文凯利的书“失控：机器的新生物学，社会，” ,

NanoPi NEO Air 使用六：使用相机

USB摄像头开发板提供了两个USB口，但是都是排针的方式，因此都需要转接座才能使用。开发板开机后，执行如下命令查看接入开发板的设备。ls /dev当接入USB摄像头后，重新执行ls /dev会看见多出来一个video设备，说明它就是我们刚才接入的摄像头。依次执行下列命令su rootcd /root/C/mjpg-streamermake等待make完成后执行vi start.sh找到下面的内容，把设备名称改为刚才接入的。./mjpg_streamer -i “./inpu , ,

Profibus DP-V1 从站解决方案

它是基于arm cortex-M的dp V1协议栈实现的。支持自适应波特率，速率高达3Mbps。大大降低了dp从站的开发成本，同时大大降低了从站的功耗，为PA设备的开发提供了良好的基础。持续提供冗余从站和PA协议栈。 xuji.zhao@foxmail.com 获取信息。 ..., ,

目前有区块链技术在医院转移吗？

有些医院愿意公开数据，但研究数据不公开。构建医院数据共享平台，有利于医学数据科学研究。 , ,

TCP 三向握手四次挥手

TCP 三向握手 四次握手的原因 三向握手的原因 四次握手的原因 三向握手的原因 1.原因：为了防止无效的连接请求段突然传送到服务器，出错2.真正原因：TCP需要seq序列号进行可靠的重传或接收，避免在连接复用时无法区分seq是延迟还是旧链路的seq。因此，需要三次握手来确定双方的ISN（初始seq序列号）。第二波的原因是TCP是全双工的（即可以同时在两个方向传输数据），因此每个方向必须单独关闭。当连接关闭，当服务器收到客户端的FIN消息通知时，只显示， ,

esp8266环境配置及相关学习资料

前言 本文主要收集esp8266使用arduinoIDE进行环境配置和学习资源的一些资料。 1. 下载安装Arduino IDE https://www.yahboom.com/build.html?id=2779&cid=3542。编程环境配置 https://www.jianshu.com/p/cb0274d612b53.ESP8266-Arduino 库开发参考资料 http://www.taichi-maker.com/homepage/iot-development/iot-dev-, ,

[解决]git@gitee.com: Permission denied (publickey)，算法改为ed25519

问题根源最近更新了代码，想push到gitee，但是出现了一个意外错误git@gitee.com: Permission denied (publickey)。但是我没有更新ssh密钥，那边的公钥也没有删除。测试github，你也可以推送。尝试认为ssh key被误删了，赶紧重新生成一波，复制添加，测试结果和上面一样，github解封，gitee被deny.... .看了官方的密钥生成文档，就是加密算法和我用的rsa不一样。搜索了同样错误的帖子， ,

物联网技术-RFID

射频识别（Redio Frequency Identification），简称RFID，又称射频识别，RFID是物联网的终端技术之一。 RFID是一种无需识别系统与特定目标建立机械或光学接触即可通过无线电信号耦合识别特定目标并读写相关数据的通信技术。 RFID被广泛应用于采购和配送、商业贸易、制造、物流、防伪和军事用途。 RFID主要位于典型物联网架构的感知层，位于整个物联网系统的最底层，是媒体链接对象之一。由于其非接触特性，其应用非常广泛，并且随着不同应用场景的出现，RFID协议、 ,

仓库“http://mirrors.aliyun.com/ubuntu bionic-updates InRelease”没有数字签名

更换阿里源时报错apt#sudo apt-get update error: 1 http://mirrors.aliyun.com/ubuntu bionic InRelease 403 Forbidden [IP: 183.195.234.191 80] error: 2 http://镜像.阿里云。 com/ubuntu bionic-updates InRelease 403 Forbidden [IP: 183.195.234.191 80] 错误：3 http://mirror..., ,

嵌入式图形界面库lvgl的详细使用

前言本文主要内容介绍了在ubuntu vscode上搭建lvgl模拟环境，任务处理按钮label/text， ,

潜入目标飞机向右升

渗透目标机提权 1 获取目标机信息 nmap -sV 192.168.222.131***Starting Nmap 7.80 (https://nmap.org) at 2021-10-20 03:09 EDTNmap scan report for localhost (192.168. 222.131) 主机已启动（0.000067s 延迟）。未显示：997 个关闭端口PORT STATE SERVICE VERSION21/， ,

区块链和数字化转型齐头并进

Runaway Time Review：区块链技术的诞生解决了数字经济面临的诸多紧迫问题。该技术的安全性、数据存储和联网功能可以绕过传统的网络安全壁垒，实现当代企业的信息共享需求。对于云技术和机器学习应用而言，区块链作为底层架构不可或缺，因为它可以弥补其他技术的诸多不足。只有在区块链的基础上，医疗、金融、商业和数字经济才能实现数字化转型的潜力。作者：Daniel Newman 译文：Clover 新兴技术正在从各个方面革新业务发展。数字化转型不是技术趋势；这是一种客户体验趋势。简而言之，公司随着客户期望的演变而发展。 ,

OPL1200在资产追踪设备中的串口配置

串口作为最常用的接口之一，在实际项目开发中是必不可少的。尤其是在资产追踪设备方面，本文首先介绍了资产追踪设备的使用场景，然后笔者讲解了OPL1200的串口配置，希望能帮助到更多的用户。资产跟踪设备的使用场景：资产跟踪设备的作用是帮助用户监控货物的状态和位置。主要用于贵重黄金、电子产品等货物的运输。当资产追踪设备放置在箱内时，用户可以通过云后台查看货物的实时位置、运输速度和运输状态。在运输过程中，遇到撞击等情况，系统会自动报警，提醒用户及时确认货物状态。此外，用户在， ,