目录
相关阅读
简述
在图像处理和计算机视觉中，外接矩形 是一种用于描述轮廓或目标区域最小矩形边界的技术。它在目标检测、目标跟踪以及图像裁剪等领域中有广泛的应用。本文将介绍外界矩形的概念、分类、相关接口及具体用例。
1. 什么是外接矩形？
外接矩形是指在二维平面上包围目标的最小矩形，它完全覆盖目标的所有像素。OpenCV 提供了两种外接矩形的计算方法：
直边矩形：
- 矩形的边平行于图像的 X 和 Y 轴。
- 矩形不旋转，覆盖目标时可能会包含多余的区域。
旋转矩形：
- 矩形的边可以任意旋转，以最紧密地贴合目标。
- 更适合于不规则或斜置的目标区域。
2. 直边矩形
2.1. 接口定义
OpenCV 提供了 cv2.boundingRect() 函数计算直边矩形。
x, y, w, h = cv2.boundingRect(contour)
参数说明：
contour：输入的目标轮廓（由 cv2.findContours() 提供）。
返回值：
x：矩形左上角的 X 坐标。y：矩形左上角的 Y 坐标。w：矩形的宽度。h：矩形的高度。
用例：
- 确定目标区域的大小和位置。
- 在目标上绘制外界矩形。
3. 旋转矩形
3.1 接口定义
OpenCV 提供了 cv2.minAreaRect() 函数计算旋转矩形。
rect = cv2.minAreaRect(contour)
参数说明：
contour：输入的目标轮廓。
返回值：
rect：旋转矩形的属性，包括中心点坐标、尺寸（宽和高）、旋转角度。
3.2 获取旋转矩形的顶点
旋转矩形的顶点可以通过 cv2.boxPoints() 函数计算：
box = cv2.boxPoints(rect)
box = np.int0(box) # 转换为整数
4. 代码示例
以下代码展示了如何使用 OpenCV 绘制直边矩形和旋转矩形。
import cv2
import numpy as np
# 创建一张测试图像
image = np.zeros((400, 400), dtype=np.uint8)
cv2.ellipse(image, (200, 200), (100, 60), 30, 0, 360, 255, -1) # 添加椭圆区域
# 查找轮廓
contours, _ = cv2.findContours(image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 创建彩色图像用于绘制
output = cv2.cvtColor(image, cv2.COLOR_GRAY2BGR)
# 遍历轮廓
for contour in contours:
# 直边矩形
x, y, w, h = cv2.boundingRect(contour)
cv2.rectangle(output, (x, y), (x + w, y + h), (0, 255, 0), 2) # 绘制直边矩形
# 旋转矩形
rect = cv2.minAreaRect(contour)
box = cv2.boxPoints(rect)
box = np.int0(box)
cv2.drawContours(output, [box], 0, (0, 0, 255), 2) # 绘制旋转矩形
# 显示结果
cv2.imshow('Rectangles', output)
cv2.waitKey(0)
cv2.destroyAllWindows()
运行代码后，生成的图像中：
- 绿色矩形：直边矩形，边与坐标轴平行。
- 红色矩形：旋转矩形，更紧密地包围目标。
5. 应用场景
- 目标检测：通过外界矩形快速确定目标位置。
- 目标裁剪：利用外界矩形提取目标区域。
- 图像分析：结合矩形的大小和角度，分析目标的几何特性。
- 形状匹配：通过旋转矩形的角度和尺寸，进行形状匹配与分类。
6. 注意事项
- 直边矩形的局限性：对于非水平或非垂直的目标区域，直边矩形可能会包含大量无关区域。
- 旋转矩形的复杂性：旋转矩形更紧密，但顶点的计算需要额外步骤。
- 二值图像的要求：cv2.findContours() 需要二值图像作为输入，因此在计算外界矩形之前需先进行二值化处理。