[OpenCV with Python] 이진 영상 처리 : 다양한 외곽선 함수

다양한 외곽선 함수

OpenCV: Contour Features

 

 

 

외곽선 길이 구하기 - cv2.arclength

retval = cv2.arcLength(curve, closed)

• curve : 외곽선 좌표. numpy.ndarray.
               shape=(K, 1, 2)
• closed : True이면 폐곡선으로 간주
• retval : 외곽선 길이

 

 

면적 구하기 - cv2.contourArea

retval = cv2.contourArea(contour, oriented=None)

• contour : 외곽선 좌표. numpy.ndarray.
                   shape=(K, 1, 2)
• oriented : True이면 외곽선 진행 방향에 따라 부호 있는 면적을 반환.
                   기본값은 False
• retval : 외곽선으로 구성된 영역의 면적

 

 

바운딩 박스(외곽선을 외접하여 둘러싸는 가장 작은 사각형) 구하기 - cv2.boundingRect

retval = cv2.boundingRect(array)

• array : 외곽선 좌표. numpy.ndarray.
              shape=(K, 1, 2)
• retval : 사각형 정보. (x, y, w, h) 튜플

 

 

바운딩 서클(외곽선을 외접하여 둘러싸는 가장 작은 원) 구하기 -  cv2.minEnclosingCircle

center, radius = cv2.minEnclosingCircle(points)

• points : 외곽선 좌표. numpy.ndarray.shape=(K, 1, 2)
• center : 바운딩 서클 중심 좌표. (x, y) 튜플
• radius : 바운딩 서클 반지름. 실수.

 

최소 면적 사각형 함수(윤곽선의 경계면을 둘러싸는 최소 크기의 사각형) - cv2.minAreaRect

rect = cv2.minAreaRect(cnt)
box = cv2.boxPoints(rect)
box = np.int0(box)
cv2.drawContours(img,[box],0,(0,0,255),2)

 

 

윤곽선에 가장 근사한 원 구하기 - cv.minEnclosingCircle

(x,y),radius = cv2.minEnclosingCircle(cnt)
center = (int(x),int(y))
radius = int(radius)
cv2.circle(img,center,radius,(0,255,0),2)

 

 

외곽선 근사화 - cv2.approxPolyDP

retval = cv2.approxPolyDP(curve, epsilon, closed, approxCurve=None)

• curve : 입력 곡선 좌표. numpy.ndarray.shape=(K, 1, 2)
• epsilon : 근사화 정밀도 조절. 입력 곡선과 근사화 곡선 간의 최대 거리.
  • ex) cv2.arcLength(curve) * 0.02
• closed : True를 전달하면 폐곡선으로 인식
• approxCurve : 근사화된 곡선 좌표. numpy.ndarray.shape=(K', 1, 2)
• 참고사항
  • 더글라스-포이커 알고리즘 (Douglas-peucker algorithm)

 

 

윤곽선에 근접한 타원 구하기 - cv2.fitEllipse

ellipse = cv2.fitEllipse(cnt)
cv2.ellipse(img,ellipse,(0,255,0),2)

 

 

주어진 점에 적합한 직선 그리기 - cv2.fitLine

rows, cols = img.shape[:2]
[vx, vy, x, y] = cv2.fitLine(cnt, cv.DIST_L2, 0, 0.01, 0.01)
lefty = int((-x*vy/vx) + y)
righty = int(((cols-x)*vy/vx)+y)
cv2.line(img, (cols-1, righty), (0, lefty), (0, 255, 0), 2)

 

 

Convex 검사

retval = cv2.isContourConvex(contour)

• contour : 입력 곡선 좌표. numpy.ndarray.
                   shape=(K, 1, 2)
• retval : 컨벡스이면 True, 아니면 False.

 

 

윤곽선의 경계면을 둘러싸는 다각형 구하기 - cv2.convexHull

for i in contours:
    hull = cv2.convexHull(i, clockwise=True)
    cv2.drawContours(dst, [hull], 0, (0, 0, 255), 2)

• 윤곽선은 윤곽선 검출 함수에서 반환되는 구조를 사용
• 방향은 검출된 볼록 껍질의 볼록점들의 인덱스 순서를 의미

블록 껍질 함수는 단일 형태에서만 검출이 가능하다.

• 윤곽선 구조는 윤곽선 검출 함수의 반환값과 형태가 동일하다면, 임의의 배열에서도 검출이 가능하다.
• 방향이 True라면 시계 방향, False라면 반시계 방향으로 정렬된다.

 

 

Contour에 볼록 결함(Convexity Defect)가 있는지 확인 -cv2.convexityDefects

convexityDefects = cv2.convexityDefects(contour, convexhull[, convexityDefects])

• contour : convexHull을 진행했던 Contours를 그대로 인자로 받는다.
• convexhull : 볼록체를 만든 Contour Points의 인덱스를 포함한 convexHull를 인자로 받는다.

 

convexityDefects는 Contour의 각 인덱스마다 다음 4가지를 계산하여 반환한다.

1.  start point : Convex Hull를 이루는 시작 인덱스
2.  end point : Convex Hull를 이루기 위해 그 다음으로 연결되는 점의 인덱스
3.  farthest point : start와 end를 연결한 직선과 가장 멀리 떨어져 있는 Contour 상의 인덱스
4.  approximate distance to farthest point : farthest point와 Convex Hull 사이의 거리

 

 

다각형 검출 프로그램

• 다양한 다각형 객체 영상에서 삼각형, 사각형, 원 찾기
• 구현 순서
  • 이진화
  • 외곽선 찾기
  • 외곽선 근사화
  • 너무 작은 객체와 컨벡스가 아닌 객체 제외
  • 꼭지점 개수 확인
    - 삼각형, 사각형 검출
    - 원 판별

 

 

원 판별하기

• 정해진 외곽선 길이에 대한 넓이 비율이 가장 큰 형태가 원
  → 도형의 넓이(A)와 외곽선 길이(P)의 비율을 검사
  

  

   따라서 $\frac{A}{P^2}$로 만들어 비율을 계산해준다.
• $\frac{A}{P}$의 경우 약분하면 r이 남게 되어 비율이 상수로 떨어지지 않는다.

 

$4\pi \frac{A}{P^2}$ 의 값이 1에 가까울수록 원으로 판단한다. 

length = cv2.arcLength(pts, True)
area = cv2.contourArea(pts)
ratio = 4. * math.pi * area / (length * lenght)

if ratio > 0.05:
    setLabel(img, pts, 'CIR') # 원

 

 

💬  다각형 판별 프로그램 예제

import math
import cv2


def setLabel(img, pts, label):
    (x, y, w, h) = cv2.boundingRect(pts)
    pt1 = (x, y)
    pt2 = (x + w, y + h)
    cv2.rectangle(img, pt1, pt2, (0, 0, 255), 1)
    cv2.putText(img, label, pt1, cv2.FONT_HERSHEY_PLAIN, 1, (0, 0, 255))


def main():
    img = cv2.imread('polygon.bmp', cv2.IMREAD_COLOR)

    if img is None:
        print('Image load failed!')
        return

    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    _, img_bin = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)
    contours, _ = cv2.findContours(img_bin, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

    for pts in contours:
        if cv2.contourArea(pts) < 400:  #  너무 작으면 무시
            continue

        approx = cv2.approxPolyDP(pts, cv2.arcLength(pts, True)*0.02, True)

        vtc = len(approx)

        if vtc == 3:
            setLabel(img, pts, 'TRI')
        elif vtc == 4:
            setLabel(img, pts, 'RECT')
        else:
            length = cv2.arcLength(pts, True)
            area = cv2.contourArea(pts)
            ratio = 4. * math.pi * area / (length * length)

            if ratio > 0.85:
                setLabel(img, pts, 'CIR')

    cv2.imshow('img', img)
    cv2.waitKey()
    cv2.destroyAllWindows()


if __name__ == '__main__':
    main()