Python ve OpenCV ile Basit Şekil Algılama Uygulaması

tarafından Halil İbrahim K. Son güncelleme May 15, 2020

Bu yazımız da Python ve OpenCV açık kaynak kodlu görüntü işleme kütüphanesini kullanarak kontur yaklaşımı ile basit şekil algılama uygulaması yapacağız.

Kontur Yaklaşımı Nedir?

Bu, bir kontur şeklini daha az sayıda köşeye sahip başka bir şekle yaklaşmak anlamına gelir, böylece her iki şekil arasındaki mesafe belirtilen hassasiyete daha az veya eşit olur. Aşağıdaki şekilde farklı kesimler (epsilon) için eğri yaklaşımı gösterilmektedir.

Kontur şeklini, belirttiğimiz hassasiyete bağlı olarak daha az sayıda köşe ile başka bir şekle yaklaştırır. Douglas-Peucker algoritmasının bir uygulamasıdır . Algoritma ve tanıtım için wikipedia sayfasını kontrol edin.

Bunu anlamak için, bir görüntüde bir kare bulmaya çalıştığınızı varsayın, ancak görüntüdeki bazı sorunlar nedeniyle mükemmel bir kare elde etmediniz, ancak “kötü bir şekil” (Aşağıdaki ilk resimde gösterildiği gibi). Şimdi bu işlevi şekle yakınlaştırmak için kullanabilirsiniz. Burada, ikinci argümana konturdan yaklaşık konturuna maksimum mesafe olan epsilon denir. Bir doğruluk parametresidir. Doğru çıktıyı elde etmek için akıllıca bir epsilon seçimi gerekir.

Bu, robotikte desen sınıflandırması ve sahne analizi için yaygın olarak kullanılmaktadır. OpenCV, poligonal eğrilere belirtilen hassasiyetle yaklaşan yerleşik bir işlev sağlar. Uygulanması Douglas-Peucker algoritmasına dayanmaktadır .

approxCurve = cv2.approxPolyDP(curve, epsilon, closed)

” curve“: yaklaşık olarak istediğimiz kontur / çokgen.
“ Epsilon “: Bu, orijinal eğri ile yaklaşımı arasındaki maksimum mesafedir.
“ closed”: Doğru ise, yaklaşık eğri aksi halde kapalıdır, değil.

Bu işlev, giriş eğrisiyle aynı türdeki yaklaşık konturu döndürür. Şimdi bu konsepti kullanarak basit şekilleri tespit edelim. Şekil algılamayı gerçekleştirmek için aşağıdaki görüntüyü alalım.

import cv2
import numpy as np
 
# Load the image
img = cv2.imread("D:/downloads/cont_new.png")
# Convert to greyscale
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# Convert to binary image by thresholding
_, threshold = cv2.threshold(img_gray, 245, 255, cv2.THRESH_BINARY_INV)
# Find the contours
contours, _ = cv2.findContours(threshold, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# For each contour approximate the curve and
# detect the shapes.
for cnt in contours:
    epsilon = 0.01*cv2.arcLength(cnt, True)
    approx = cv2.approxPolyDP(cnt, epsilon, True)
    cv2.drawContours(img, [approx], 0, (0), 3)
    # Position for writing text
    x,y = approx[0][0]
 
    if len(approx) == 3:
        cv2.putText(img, "Triangle", (x, y), cv2.FONT_HERSHEY_COMPLEX, 1, 0,2)
    elif len(approx) == 4:
        cv2.putText(img, "Rectangle", (x, y), cv2.FONT_HERSHEY_COMPLEX, 1, 0,2)
    elif len(approx) == 5:
        cv2.putText(img, "Pentagon", (x, y), cv2.FONT_HERSHEY_COMPLEX, 1, 0,2)
    elif 6 < len(approx) < 15:
        cv2.putText(img, "Ellipse", (x, y), cv2.FONT_HERSHEY_COMPLEX, 1, 0,2)
    else:
        cv2.putText(img, "Circle", (x, y), cv2.FONT_HERSHEY_COMPLEX, 1, 0,2)
cv2.imshow("final", img)
cv2.waitKey(0)

Aşağıda nihai sonuç verilmiştir.

Diğer OpenCV Örnekleri

Python ve OpenCv görüntü işleme kütüphanesi kullanarak hazırladığımız diğer örneklerimizin listesi:

OpenCv ve Python Hakkındaki sorularınızı sorabilirsiniz.

Yazımız hakkındaki yorumlarınızı bekliyoruz.

Kaynak https://theailearner.com