[v0.24]영상처리_컨투어 (영상분할방법)

220112 작성

<본 블로그는 귀퉁이 서재님의 블로그를 참고해서 공부하며 작성하였습니다>

https://bkshin.tistory.com/entry/OpenCV-22-%EC%BB%A8%ED%88%AC%EC%96%B4Contour?category=1148027 

OpenCV - 22. 컨투어(Contour)

 

 

 

 

1. 컨투어 (Contour)

: 등고선, 지형의 높이가 같은 영역을 하나의 선으로 표시

: 컨투어를 그리면 모양을 쉽게 인식

 

dst, contours, hierarchy = cv2.findContours(src, mode, method, contours, hierarchy, offset)

: 컨투어를 찾아내기

 

- src : 입력 영상, 검정과 흰색으로 구성된 바이너리 이미지

- mode : 컨투어 제공 방식

• cv2.RETR_EXTERNA L: 가장 바깥쪽 라인만 생성
• cv2.RETR_LIST : 모든 라인을 계층 없이 생성
• cv2.RET_CCOMP : 모든 라인을 2 계층으로 생성
• cv2.RETR_TREE : 모든 라인의 모든 계층 정보를 트리 구조로 생성

- method : 근사 값 방식

• cv2.CHAIN_APPROX_NONE : 근사 없이 모든 좌표 제공
• cv2.CHAIN_APPROX_SIMPLE : 컨투어 꼭짓점 좌표만 제공
• cv2.CHAIN_APPROX_TC89_L1 : Teh-Chin 알고리즘으로 좌표 개수 축소
• cv2.CHAIN_APPROX_TC89_KC0S : Teh-Chin 알고리즘으로 좌표 개수 축소

- contours(optional) : 검출한 컨투어 좌표 (list type)

- hierarchy(optional) : 컨투어 계층 정보 (Next, Prev, FirstChild, Parent, -1 [해당 없음])

- offset(optional) : ROI 등으로 인해 이동한 컨투어 좌표의 오프셋

 

cv2.drawContours(img, contours, contourIdx, color, thickness)

: 컨투어 선 그리기

 

- img : 입력 영상

- contours : 그림 그릴 컨투어 배열 (cv2.findContours() 함수의 반환 결과를 전달해주면 됨)

- contourIdx : 그림 그릴 컨투어 인덱스, -1: 모든 컨투어 표시

- color : 색상 값

- thickness : 선 두께, 0: 채우기

 

=> img영상에 contours 배열에 있는 컨투어 중 contourIdx에 해당하는 컨투어를

color 색상과 thickness 두께로 선을 그린다

# 컨투어 찾기와 그리기
import cv2
import numpy as np

img = cv2.imread('img/shapes.JPG')
img2 = img.copy()

# 그레이 스케일로 변환 ---①
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 스레시홀드로 바이너리 이미지로 만들어서 검은배경에 흰색전경으로 반전 ---②
ret, imthres = cv2.threshold(imgray, 127, 255, cv2.THRESH_BINARY_INV)

# 가장 바깥쪽 컨투어에 대해 모든 좌표 반환 ---③
im2, contour, hierarchy = cv2.findContours(imthres, cv2.RETR_EXTERNAL, \
                                                 cv2.CHAIN_APPROX_NONE)
# 가장 바깥쪽 컨투어에 대해 꼭지점 좌표만 반환 ---④
im2, contour2, hierarchy = cv2.findContours(imthres, cv2.RETR_EXTERNAL, \
                                                cv2.CHAIN_APPROX_SIMPLE)
# 각각의 컨투의 갯수 출력 ---⑤
print('도형의 갯수: %d(%d)'% (len(contour), len(contour2)))

# 모든 좌표를 갖는 컨투어 그리기, 초록색  ---⑥
cv2.drawContours(img, contour, -1, (0,255,0), 4)
# 꼭지점 좌표만을 갖는 컨투어 그리기, 초록색  ---⑦
cv2.drawContours(img2, contour2, -1, (0,255,0), 4)

# 컨투어 모든 좌표를 작은 파랑색 점(원)으로 표시 ---⑧
for i in contour:
    for j in i:
        cv2.circle(img, tuple(j[0]), 1, (255,0,0), -1) 

# 컨투어 꼭지점 좌표를 작은 파랑색 점(원)으로 표시 ---⑨
for i in contour2:
    for j in i:
        cv2.circle(img2, tuple(j[0]), 1, (255,0,0), -1) 

# 결과 출력 ---⑩
cv2.imshow('CHAIN_APPROX_NONE', img)
cv2.imshow('CHAIN_APPROX_SIMPLE', img2)
cv2.waitKey(0)
cv2.destroyAllWindows()

ValueError: not enough values to unpack (expected 3, got 2)

흠 넌 뭔 에러냐!

 

cv2.CHAIN_APPROX_SIMPLE 꼭짓점만 표시

cv2.CHAIN_APPROX_NONE 모든 좌표에 컨투어그리기

- 위 : cv2.CHAIN_APPROX_SIMPLE을 사용해서 꼭짓점만 표시

- 아래 : cv2.CHAIN_APPROX_NONE을 사용해서 모든 좌표에 컨투어를 그리기

 

 

 

 

 

+)  트리 계층의 컨투어

# 컨투어 계층 트리
import cv2
import numpy as np

# 영상 읽기
img = cv2.imread('img/shapes_donut.png')
img2 = img.copy()
# 바이너리 이미지로 변환
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, imthres = cv2.threshold(imgray, 127, 255, cv2.THRESH_BINARY_INV)

# 가장 바깥 컨투어만 수집   --- ①
im2, contour, hierarchy = cv2.findContours(imthres, cv2.RETR_EXTERNAL, \
                                                cv2.CHAIN_APPROX_NONE)
# 컨투어 갯수와 계층 트리 출력 --- ②
print(len(contour), hierarchy)

# 모든 컨투어를 트리 계층 으로 수집 ---③
im2, contour2, hierarchy = cv2.findContours(imthres, cv2.RETR_TREE, \
                                            cv2.CHAIN_APPROX_SIMPLE)
# 컨투어 갯수와 계층 트리 출력 ---④
print(len(contour2), hierarchy)

# 가장 바깥 컨투어만 그리기 ---⑤
cv2.drawContours(img, contour, -1, (0,255,0), 3)
# 모든 컨투어 그리기 ---⑥
for idx, cont in enumerate(contour2): 
    # 랜덤한 컬러 추출 ---⑦
    color = [int(i) for i in np.random.randint(0,255, 3)]
    # 컨투어 인덱스 마다 랜덤한 색상으로 그리기 ---⑧
    cv2.drawContours(img2, contour2, idx, color, 3)
    # 컨투어 첫 좌표에 인덱스 숫자 표시 ---⑨
    cv2.putText(img2, str(idx), tuple(cont[0][0]), cv2.FONT_HERSHEY_PLAIN, \
                                                            1, (0,0,255))

# 화면 출력
cv2.imshow('RETR_EXTERNAL', img)
cv2.imshow('RETR_TREE', img2)
cv2.waitKey(0)
cv2.destroyAllWindows()

cv2.RETR_EXTERNAL 그림의 외곽 부분에만 컨투어를 그리기

cv2.RETR_TREE을 사용해서 모든 경계에 컨투어를 그리기

- 위 : cv2.RETR_EXTERNAL을 사용해서 그림의 외곽 부분에만 컨투어를 그리기

- 아래 : cv2.RETR_TREE을 사용해서 모든 경계에 컨투어를 그리기

- 이를 트리 계층 컨투어

 

 

 

 

2. 컨투어를 감싸는 도형 그리기

x, y, w, h = cv2.boundingRect(contour)

: 좌표를 감싸는 사각형 반환

- x, y : 사각형의 왼쪽 상단 좌표

- w, h : 사각형의 폭과 높이

 

rotateRect = cv2.minAreaRect(contour)

: 좌표를 감싸는 최소한의 사각형 계산

 

vertex = cv2.boxPoints(rotateRect)

: rotateRect로부터 꼭짓점 좌표 계산

- vertex : 4개의 꼭짓점 좌표, 소수점 포함이므로 정수 변환 필요

 

center, radius = cv2.minEnclosingCircle(contour)

: 좌표를 감싸는 최소한의 동그라미 계산

- center : 원점 좌표(x, y)

- radius : 반지름

 

area, triangle = cv2.minEnclosingTriangle(points)

: 좌표를 감싸는 최소한의 삼각형 게산

- area : 넓이

- triangle : 3개의 꼭짓점 좌표

 

ellipse = cv2.fitEllipse(points)

: 좌표를 감싸는 최소한의 타원 계산

 

line = cv2.fitLine(points, distType, param, reps, aeps, line)

: 중심점을 통과하는 직선 계산

- distType : 거리 계산 방식

• cv2.DIST_L2
• cv2.DIST_L1
• cv2.DIST_L12
• cv2.DIST_FAIR
• cv2.DIST_WELSCH
• cv2.DIST_HUBER

- param : distType에 전달할 인자, 0 = 최적 값 선택

- reps : 반지름 정확도, 선과 원본 좌표의 거리, 0.01 권장

- aeps : 각도 정확도, 0.01 권장

- line(optional) : vx, vy 정규화된 단위 벡터, x0, y0: 중심점 좌표

# 컨투어를 감싸는 도형 그리기
import cv2
import numpy as np

# 이미지 읽어서 그레이스케일 변환, 바이너리 스케일 변환
img = cv2.imread("img/lighting.JPG")
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, th = cv2.threshold(imgray, 127,255,cv2.THRESH_BINARY_INV)

# 컨튜어 찾기
im, contours, hr = cv2.findContours(th, cv2.RETR_EXTERNAL, \
                                        cv2.CHAIN_APPROX_SIMPLE)
contr = contours[0]

# 감싸는 사각형 표시(검정색)
x,y,w,h = cv2.boundingRect(contr)
cv2.rectangle(img, (x,y), (x+w, y+h), (0,0,0), 3)

# 최소한의 사각형 표시(초록색)
rect = cv2.minAreaRect(contr)
box = cv2.boxPoints(rect)   # 중심점과 각도를 4개의 꼭지점 좌표로 변환
box = np.int0(box)          # 정수로 변환
cv2.drawContours(img, [box], -1, (0,255,0), 3)

# 최소한의 원 표시(파랑색)
(x,y), radius = cv2.minEnclosingCircle(contr)
cv2.circle(img, (int(x), int(y)), int(radius), (255,0,0), 2)

# 최소한의 삼각형 표시(분홍색)
ret, tri = cv2.minEnclosingTriangle(contr)
cv2.polylines(img, [np.int32(tri)], True, (255,0,255), 2)

# 최소한의 타원 표시(노랑색)
ellipse = cv2.fitEllipse(contr)
cv2.ellipse(img, ellipse, (0,255,255), 3)

# 중심점 통과하는 직선 표시(빨강색)
[vx,vy,x,y] = cv2.fitLine(contr, cv2.DIST_L2,0,0.01,0.01)
cols,rows = img.shape[:2]
cv2.line(img,(0, 0-x*(vy/vx) + y), (cols-1, (cols-x)*(vy/vx) + y), \
                                                        (0,0,255),2)

# 결과 출력
cv2.imshow('Bound Fit shapes', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

또 안됨 ㅡㅡ

까만 번개 둘러싼 여러 도형 그리기

 

 

 

 

 

3. 컨투어 단순화

: 근사 값으로 컨투어 계산

 

approx = cv2.approxPolyDP(contour, epsilon, closed)
- contour : 대상 컨투어 좌표
- epsilon : 근사 값 정확도, 오차 범위
- closed : 컨투어의 닫힘 여부
- approx : 근사 계산한 컨투어 좌표

# 근사 컨투어
import cv2
import numpy as np

img = cv2.imread('img/bad_rect.png')
img2 = img.copy()

# 그레이스케일과 바이너리 스케일 변환
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
ret, th = cv2.threshold(imgray, 127, 255, cv2.THRESH_BINARY)

# 컨투어 찾기 ---①
temp, contours, hierachy = cv2.findContours(th, cv2.RETR_EXTERNAL, \
                                     cv2.CHAIN_APPROX_SIMPLE)


contour = contours[0]
# 전체 둘레의 0.05로 오차 범위 지정 ---②
epsilon = 0.05 * cv2.arcLength(contour, True)
# 근사 컨투어 계산 ---③
approx = cv2.approxPolyDP(contour, epsilon, True)

# 각각 컨투어 선 그리기 ---④
cv2.drawContours(img, [contour], -1, (0,255,0), 3)
cv2.drawContours(img2, [approx], -1, (0,255,0), 3)

# 결과 출력
cv2.imshow('contour', img)
cv2.imshow('approx', img2)
cv2.waitKey()
cv2.destroyAllWindows()

ValueError: not enough values to unpack (expected 3, got 2)

cv2 버전이 다르면,, 안되는건가

컨투어

cv2.approPolyDP()로 나머지 무시!

- cv2.approPolyDP() 는 요철 부분 무시하고 컨투어 계산

 

 

 

+) 컨투어 단순화_ 볼록 선체(convex hull)

: 볼록 선체란 어느 한 부분도 오목하지 않은 도형을 의미

: 대상을 완전히 포함하는 외곽 영역을 찾는데 유용

 

hull = cv2.convexHull(points, hull, clockwise, returnPoints)

: 볼록 선체 계산
- points : 입력 컨투어
- hull(optional) : 볼록 선체 결과
- clockwise(optional) : 방향 지정 (True: 시계 방향)
- returnPoints(optional) : 결과 좌표 형식 선택 (True: 볼록 선체 좌표 변환, False: 입력 컨투어 중에 볼록 선체에 해당하는 인덱스 반환)

 

retval = cv2.isContourConvex(contour)

: 볼록 선체 만족 여부 확인
- retval : True인 경우 볼록 선체임

 

defects = cv2.convexityDefects(contour, convexhull)

: 볼록 선체 결함 찾기
- contour : 입력 컨투어
- convexhull : 볼록 선체에 해당하는 컨투어의 인덱스
- defects : 볼록 선체 결함이 있는 컨투어의 배열 인덱스, N x 1 x 4 배열, [starts, end, farthest, distance]
- start : 오목한 각이 시작되는 컨투어의 인덱스
- end : 오목한 각이 끝나는 컨투어의 인덱스
- farthest : 볼록 선체에서 가장 먼 오목한 지점의 컨투어 인덱스
- distance : farthest와 볼록 선체와의 거리

# 볼록 선체
import cv2
import numpy as np

img = cv2.imread('img/hand.png')
img2 = img.copy()
# 그레이 스케일 및 바이너리 스케일 변환 ---①
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, th = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)

# 컨투어 찾기와 그리기 ---②
temp, contours, heiarchy = cv2.findContours(th, cv2.RETR_EXTERNAL, \
                                         cv2.CHAIN_APPROX_SIMPLE)
cntr = contours[0]
cv2.drawContours(img, [cntr], -1, (0, 255,0), 1)

# 볼록 선체 찾기(좌표 기준)와 그리기 ---③
hull = cv2.convexHull(cntr)
cv2.drawContours(img2, [hull], -1, (0,255,0), 1)
# 볼록 선체 만족 여부 확인 ---④
print(cv2.isContourConvex(cntr), cv2.isContourConvex(hull))

# 볼록 선체 찾기(인덱스 기준) ---⑤
hull2 = cv2.convexHull(cntr, returnPoints=False)
# 볼록 선체 결함 찾기 ---⑥
defects = cv2.convexityDefects(cntr, hull2)
# 볼록 선체 결함 순회
for i in range(defects.shape[0]):
    # 시작, 종료, 가장 먼 지점, 거리 ---⑦
    startP, endP, farthestP, distance = defects[i, 0]
    # 가장 먼 지점의 좌표 구하기 ---⑧
    farthest = tuple(cntr[farthestP][0])
    # 거리를 부동 소수점으로 변환 ---⑨
    dist = distance/256.0
    # 거리가 1보다 큰 경우 ---⑩
    if dist > 1 :
        # 빨강색 점 표시 
        cv2.circle(img2, farthest, 3, (0,0,255), -1)
# 결과 이미지 표시
cv2.imshow('contour', img)
cv2.imshow('convex hull', img2)
cv2.waitKey(0)
cv2.destroyAllWindows()

후후.. 이렇게 나오면 안된당!!

이렇게 나와야됨,,

- 밑 왼쪽 : 손 모양 컨투어

- 밑 오른쪽 : 볼록 선체 + 선체의 결점

 

 

 

 

 

 

4. 컨투어와 도형 매칭

: 서로 다른 물체의 컨투어를 비교하면 두 물체가 얼마나 비슷한지 알수 있다

 

retval = cv2.matchShapes(contour1, contour2, method, parameter)

: 두 개의 컨투어로 도형 매칭
- contour1, contour2 : 비교할 두 개의 컨투어
- method : 휴 모멘트 비교 알고리즘 선택 플래그

• cv2.CONTOURS_MATCH_I1
• cv2.CONTOURS_MATCH_I2
• cv2.CONTOURS_MATCH_I3

- parameter : 알고리즘에 전달을 위한 예비 인수로 0으로 고정

- retval : 두 도형의 닮은 정도 (0=동일, 숫자가 클수록 다름)

# 도형 매칭으로 비슷한 도형 찾기
import cv2
import numpy as np

# 매칭을 위한 이미지 읽기
target = cv2.imread('img/4star.jpg') # 매칭 대상
shapes = cv2.imread('img/shapestomatch.jpg') # 여러 도형
# 그레이 스케일 변환
targetGray = cv2.cvtColor(target, cv2.COLOR_BGR2GRAY)
shapesGray = cv2.cvtColor(shapes, cv2.COLOR_BGR2GRAY)
# 바이너리 스케일 변환
ret, targetTh = cv2.threshold(targetGray, 127, 255, cv2.THRESH_BINARY_INV)
ret, shapesTh = cv2.threshold(shapesGray, 127, 255, cv2.THRESH_BINARY_INV)
# 컨투어 찾기
_, cntrs_target, _ = cv2.findContours(targetTh, cv2.RETR_EXTERNAL, \
                                            cv2.CHAIN_APPROX_SIMPLE)
_, cntrs_shapes, _ = cv2.findContours(shapesTh, cv2.RETR_EXTERNAL, \
                                            cv2.CHAIN_APPROX_SIMPLE)

# 각 도형과 매칭을 위한 반복문
matchs = [] # 컨투어와 매칭 점수를 보관할 리스트
for contr in cntrs_shapes:
    # 대상 도형과 여러 도형 중 하나와 매칭 실행 ---①
    match = cv2.matchShapes(cntrs_target[0], contr, cv2.CONTOURS_MATCH_I2, 0.0)
    # 해당 도형의 매칭 점수와 컨투어를 쌍으로 저장 ---②
    matchs.append( (match, contr) )
    # 해당 도형의 컨투어 시작지점에 매칭 점수 표시 ---③
    cv2.putText(shapes, '%.2f'%match, tuple(contr[0][0]),\
                    cv2.FONT_HERSHEY_PLAIN, 1,(0,0,255),1 )
# 매칭 점수로 정렬 ---④
matchs.sort(key=lambda x : x[0])
# 가장 적은 매칭 점수를 얻는 도형의 컨투어에 선 그리기 ---⑤
cv2.drawContours(shapes, [matchs[0][1]], -1, (0,255,0), 3)
cv2.imshow('target', target)
cv2.imshow('Match Shape', shapes)
cv2.waitKey()
cv2.destroyAllWindows()

밑 target 에 가장 유사한 도형 찾기

target

- 숫자가 작을 수록 서로 닮은 도형

- 가장 닮은 도형 주위에 초록색 컨투어 그리기

 

 

 

 

 

속상해 ㅠㅠ

컨투어 실행이 안된다 ㅠㅠ