OpenCV 学习笔记03 boundingRect、minAreaRect、minEnclosingCircle、boxPoints、int0、circle、rectangle函数的用法

函数中的代码是部分代码，详细代码在最后

1 cv2.boundingRect

作用：矩形边框（boundingRect），用于计算图像一系列点的外部矩形边界。

cv2.boundingRect(array) -> retval

参数：

array - 灰度图像（gray-scale image）或 2D点集（ 2D point set ）

返回值：元组

元组（x, y, w, h ) 矩形左上点坐标，w, h 是矩阵的宽、高，例如 (161, 153, 531, 446)

代码示例：

contours, hierarchy = cv2.findContours(re_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for c in contours:
    # find bounding box coordinates
    # 现计算出一个简单的边界框
    x, y, w, h = cv2.boundingRect(c)
     # 画出矩形
    cv2.rectangle(img, (x,y), (x+w, y+h), (0, 255, 0), 2) 

2 cv2.minAreaRect

作用：minAreaRect - min Area Rect 最小区域矩形；计算指定点集的最小区域的边界矩形，矩形可能会发生旋转 possibly rotated，以保证区域面积最小。

cv2.minAreaRect(points) -> retval

参数：

points - 2D点的矢量（ vector of 2D points ）

返回值：元组

元组（（最小外接矩形的中心坐标），（宽，高），旋转角度）----->    ((x, y), (w, h), θ )

关于旋转角度的注意事项：

1）旋转角度是水平轴（x轴）逆时针旋转，与碰到的矩形第一条边的夹角。

2）“ 第一条边 " 定义为 宽width，另一条边定义为高 height。这里的宽、高不是按照长短来定义的。

3）在 opencv 中，坐标系原点在图像左上角，将其延伸到整个二维空间，可以发现 “x轴镜像对称”，角度则 逆时针旋转为负、顺时针旋转为正。故θ∈（-90度，0]；（笛卡尔坐标系中，逆时针为正、顺时针为负）

4）旋转角度为角度值，而非弧度制。

如 ((458.70343017578125, 381.97894287109375), (202.513916015625, 634.2526245117188), -45.707313537597656)

但绘制这个矩形，一般需要知道矩形的 4 个顶点坐标；通常是通过函数 cv2.boxPoints()获取。

2.1 附1 : cv2.boxPoints

作用：查找旋转矩形的 4 个顶点（用于绘制旋转矩形的辅助函数）。

cv2.boxPoints(box) -> points

参数：

box - 旋转的矩形

返回值：列表list

points - 矩形 4 个顶点组成的列表 list

返回值示例：

[[614.9866  675.9137 ]
 [161.      232.99997]
 [302.4203   88.04419]
 [756.40686 530.9579 ]]

2.2 附2：int0

int0 有两种相近的描述，

第一种，int0 意味是 64位整数。字符代码'l'。与 Python int兼容，参考文档https://kite.com/python/docs/numpy.int0

int0 ( *args, **kwargs )

第二种，等价于intp，在 数组类型和类型之间的转换 文档中，有intp，释义为 “ 用于索引的整数（与C ssize_t相同;通常为int32或int64）”

有人说不建议使用int0, 因为它等同内容不完全一致，如 int32，int64.

相关参考：

locating corner position using opencv

What are np.int0 and np.uint0 supposed to be?

numpy 的 int0

数据类型 --> 数组类型和类型之间的转换

What is numpy method int0?

代码示例：

contours, hierarchy = cv2.findContours(re_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for c in contours:
    # find minimum area
    # 计算包围目标的最小矩形区域
    rect = cv2.minAreaRect(c)

    # calculate coordinate of the minimum area rectangle
    # 计算矩形的 4 点坐标，返回结果为float数据类型
    box = cv2.boxPoints(rect)
    # normalize coordinates to integers
　 # 将float类型转为 int，在这里最好写成int32 / int64
　 # 若为int0，有时候出错都不知道错在那

    box =np.int0(box)
    # 注：OpenCV没有函数能直接从轮廓信息中计算出最小矩形顶点的坐标。所以需要计算出最小矩形区域，
    # 然后计算这个矩形的顶点。由于计算出来的顶点坐标是浮点型，但是所得像素的坐标值是整数（不能获取像素的一部分），
    # 所以需要做一个转换
    # draw contours
    cv2.drawContours(img, [box], 0, (0, 0, 255), 3)  # 画出该矩形

3 cv2.minEnclosingCircle

作用：使用迭代算法（ iterative algorithm）查找包含2D点集的最小区域的圆(Finds a circle of the minimum area enclosing a 2D point set)。

cv2.minEnclosingCircle(points) -> center, radius

参数：

points - 2D点矢量（vector of 2D points）

返回值：

center - 圆心  (x, y)

radius - 半径  r

如：((426.0, 415.5), 321.7628173828125)

代码示例：

# calculate center and radius of minimum enclosing circle
# 会返回一个二元组，
# 第一个元素为圆心的坐标组成的元组，第二个元素为圆的半径值。
(x, y), radius = cv2.minEnclosingCircle(c)
# 转为整数 cast to integers
center = (int(x), int(y))
radius = int(radius)
# 绘圆 draw the circle
img = cv2.circle(img, center, radius, (0, 255, 0), 2)

或者

cen, rad = cv2.minEnclosingCircle(c)
cen = tuple(np.int0(cen))
rad = np.int32(rad)
img = cv2.circle(img, cen, rad, (0, 255, 0), 2)

运行

注意：

cv2.circle() 函数使用时，圆心参数不能是数列array，必须是元组tuple

绘制圆cv2.circle() 函数的使用方法。

3.1 附1：cv.circle()

作用：画圆环或实心圆

cv2.circle(img, center, radius, color[, thickness[, lineType[, shift]]]) -> img

参数：

img - 目标图像

center - int 圆心，必须是元组tuple形式、不能是列表 list，必须是整型int、不能是浮点型float；

radius - int 半径，必须是整型int、不接受浮点型float。

color - 圆的颜色

thickness - int thickness = 1 圆轮廓的厚度（正数 positive），若为负值（Negative values），意味全填充的实心圆。

lineType - int lineType = 8 圆轮廓的线性，

• 8 (or omitted) - 8-connected line.
• 4 - 4-connected line.
• CV_AA - antialiased line.

shift - int shift = 0 help帮助文档直译 圆心、半径值的小数位（Number of fractional bits in the coordinates of the center and in the radius value），事实上，当执行代码时，貌似又不是这个意思 。

以上若不是整数int，则会报错 TypeError: integer argument expected, got float

示例代码如下

(x, y), radius = cv2.minEnclosingCircle(c)
center = (int(x), int(y))
radius = int(radius)
img = cv2.circle(
    img, center, radius, (0, 255, 0),
    thickness=2,
    lineType=8,
    # shift=0)
    # shift=1)
    # shift=2)
    # shift=3)
    # shift=4)
    # shift=5)
    shift=6)

分别运行，其结果：

---

需要注意的是不同的图，其运行代码后的识别效果是不同的，我当时用 ppt 制备 闪电 lighning 时并没有在意图片格式，就造成了运行代码后的识别结果与别人的不一致，后来将图片保存成黑底白图，和别人的图像一致了。

说明：

1）在运行代码时图片没有红色边框，为了说明每一个图，后加上的红色图像边框。

2）a、b图的大小不一样，其运行后识别的结果不一样。

3）b、d图的背底和图案颜色正好相反，其由于函数 cv2.threshold()的参数一致，所以其结果也不一致。

4）c、d图的是有无背底，其运行后识别结果也有所区别。

以上只是说明同一个代码，针对图的稍微差别，其识别结果也会存在差别。以后注意这方面内容就行。暂不深究。

4 cv2.rectangle

作用：绘制一个矩形轮廓或一个填充矩形。

cv2.rectangle(img, pt1, pt2, color[, thickness[, lineType[, shift]]]) -> img

参数：

img - 待rectangle函数处理的图像

pt1 - 矩形的顶点

pt2 - 矩形的另一个顶点（但该顶点与pt2顶点相对）

color - 矩形的颜色或亮度（灰度图像）

thickness - 矩形边框的粗细，若为负值，则矩形为全填充的。int thickness=1。

lineType - Type of the line. See #LineTypes。int lineType=8。

shift - Number of fractional bits in the point coordinates.。int shift=0。

返回值：

img - 被rectangle处理过的图像。

该函数还可以直接输入矩形来替代pt1、pt2 对角点，代码如下：

cv2.rectangle(img, rec, color[, thickness[, lineType[, shift]]]) -> img

参数：

rec - 矩形，

代码示例：

# 计算出一个简单的边界框，
# 参数c为图像轮廓findContours返回值
x, y, w, h = cv2.boundingRect(c)
# 绘制矩形
# 将轮廓信息转换成(x, y)坐标，并加上矩形的高度和宽度
cv2.rectangle(img, (x,y), (x+w, y+h), (0, 255, 0), 2) 

运行结果：

5 全代码分析

将上述函数中代码整理，所有的代码如下

import cv2
import numpy as np

img = cv2.imread('lightning.png',cv2.IMREAD_UNCHANGED)
# img = cv2.pyrUp(img)
img_gray = cv2.cvtColor(img.copy(), cv2.COLOR_BGR2GRAY)

ret, re_img = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(re_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for c in contours:
    # 查找矩形边界 find bounding box coordinates
    # 计算出简单的边界框，返回顶点坐标、宽、高
    x,y,w,h = cv2.boundingRect(c)
    # 它将轮廓信息转换程（x,y)坐标，并加上矩形的高度和宽度
    cv2.rectangle(img,(x,y),(x+w, y+h),(0,255,0),2)

    # find minimum area
    # 计算出包围目标的最小矩形区域
    rect = cv2.minAreaRect(c)
    # calculate coordinates of the minimum area rectangle
    # 计算矩形的 4 个坐标点，float形式
    box = cv2.boxPoints(rect)
    # normalize coordinates to integers
    # 将坐标值整数化
    box = np.int0(box)
    # draw contours
    # opencv没有函数能直接从轮廓信息中计算出最小矩形顶点的坐标。
    # 所以需要计算出最小矩形区域，然后计算这个矩形的顶点。
    # 计算出的顶点坐标都是浮点型，而所有像素的坐标值都是整数，
    # 所以需要做转换整数，然后画出这个矩形
    cv2.drawContours(img, [box], 0, (0,0,255), 3)

    # calculate center and radius of minimum enclosing circle
    # 大多数绘图函数把绘图颜色和密度thickness放在最后两个参数里
    # 最后检查的边界轮廓为最小闭圆
    # minEnclosingCircle函数返回一个二元组，
    # 第一个元数为圆心，第二个元素为半径
    (x,y), radius = cv2.minEnclosingCircle(c)
    # cast to integers
    center = (int(x),int(y))
    radius = int(radius)
    # draw the circle
    img = cv2.circle(img,center,radius,(0,255,0),2, lineType=8, shift=6)

cv2.drawContours(img,contours, -1, (255,0,0), 1)
cv2.imshow("contours",img)
cv2.waitKey()

运行：

参考：

轮廓特征——官网

笛卡尔坐标系

python opencv minAreaRect 生成最小外接矩形

OpenCV 中boundingRect、minAreaRect、minEnclosingCircle用法

OpenCV的基本绘图函数

openCV检测物体边缘

OpenCv学习笔记3--轮廓检测,多边形 直线 圆检测

python-opencv boundingRect使用注意

简单的验证码识别（opecv）（基于c/c++的示例代码）

opencv的一些函数——contours

opencv图像轮廓

此外还有  Opencv 图像金字塔pyrDown和pyrUp函数

【OpenCV笔记 06】OpenCV中绘制基本几何图形【矩形rectangle()、椭圆ellipse() 、圆circle() 】——基于c/c++的，但可以参考