如何在opencv中合并轮廓？

Question

好的，伙计们，我已经在这个项目上工作了很长一段时间了。

我正在构建这个玩 chrome 恐龙游戏的机器人。所以我尝试了其他方法来检测像 matchTemplate 这样的字符，甚至使用我自己的算法来定位对象，但我最喜欢这个（findcontours）。

这是我所拥有的：

谁能帮我找出我应该如何合并仙人掌的两个矩形？

img = screen_cap()
roi = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(roi,127, 255, 0)
im2, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
first = True
for cnt in contours:
    area = cv2.contourArea(cnt)
    if area > 200: #filtering contours
        x,y,w,h = cv2.boundingRect(cnt)
        if w/h < 4: # filtering even more
            cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)

Answer 1

合并轮廓的最简单方法是将它们堆叠起来

contours = np.vstack(contours)

根据您的情况（例如堆叠轮廓 5 和 6）：

contours = np.vstack([contours[5], contours[6]])

Answer 2

这是一个老问题，似乎还没有得到正确的回答（不过，向在评论中部分完成此问题的其他 SOers 致歉）。在我看来，提问者的问题分为两部分：

1. opencv有没有合并两个矩形的函数？

这个问题的答案是肯定和否定。让我说清楚；是的，如果您使用 opencv C++ 绑定。简单的 & 可用于取并集和 | 用于两个矩形的交集。但 Python 绑定缺少这些功能。

2. 那么如何在Python中做到这一点呢？

   def union(a,b):
       x = min(a[0], b[0])
       y = min(a[1], b[1])
       w = max(a[0]+a[2], b[0]+b[2]) - x
       h = max(a[1]+a[3], b[1]+b[3]) - y
       return (x, y, w, h)
   
   def intersection(a,b):
       x = max(a[0], b[0])
       y = max(a[1], b[1])
       w = min(a[0]+a[2], b[0]+b[2]) - x
       h = min(a[1]+a[3], b[1]+b[3]) - y
       if w<0 or h<0: return () # or (0,0,0,0) ?
       return (x, y, w, h)
       # Please remember a and b are rects.
   

源代码来源：OpenCV union 和 rects 上的交互

Answer 3

很抱歉参加聚会迟到了一点。但是，如果我用谷歌搜索“合并 opencv 轮廓”，我会发现这个；我认为应该有一个答案。

您可以通过这些配方之一合并任何两个轮廓：

• 获取每个轮廓的点列表
• 附加它们
• 将它们强制转换为 cv2 轮廓格式
• 如果您不太关心细节，请获取 cv2.convexHull 。

如果你不喜欢凸包的结果，因为轮廓的凹部分很重要，那么请按照以下方法进行操作：

• 获取每个轮廓的点列表
• 附加它们
• 得到一个共同的中心
• 以顺时针顺序围绕中心对所有点进行排序
• 将它们强制转换为 cv2 轮廓格式

如果两个轮廓中有很多凹形，这可能会产生锯齿形图案，因为配方会通过两个轮廓而忽略它们的原始结构。如果是这种情况，您需要遵循第三个秘诀：

• 获取每个轮廓的点列表
• 得到一个共同的中心
• 删除每个轮廓在另一个轮廓内的点
• 在每个轮廓中找到最接近公共中心的点。
• 遍历列出的第一个轮廓，直到您到达最近的点。
• 然后切换到另一个列表，从最近的点开始，顺时针穿过另一个轮廓，直到用完
• 切换回第一个轮廓并附加其余的点。
• 将它们强制转换为 cv2 轮廓格式

下一个更复杂的情况是，如果轮廓之间有多个交叉点，并且想要保留两者之间的孔。那么最好制作一个黑色图像并通过 将轮廓绘制为白色cv2.fillPoly()；然后通过cv2.findContours()

我在这里勾勒了前两个食谱的一些步骤

获取每个轮廓的点列表：

import cv2
list_of_pts = [] 
for ctr in ctrs_to_merge
    list_of_pts += [pt[0] for pt in ctr]

顺序点顺时针

我使用MSeifert 这个非常棒的帖子的功能按顺时针顺序排列点

class clockwise_angle_and_distance():
    '''
    A class to tell if point is clockwise from origin or not.
    This helps if one wants to use sorted() on a list of points.

    Parameters
    ----------
    point : ndarray or list, like [x, y]. The point "to where" we g0
    self.origin : ndarray or list, like [x, y]. The center around which we go
    refvec : ndarray or list, like [x, y]. The direction of reference

    use: 
        instantiate with an origin, then call the instance during sort
    reference: 
    /sf/ask/2929898681/

    Returns
    -------
    angle
    
    distance
    

    '''
    def __init__(self, origin):
        self.origin = origin

    def __call__(self, point, refvec = [0, 1]):
        if self.origin is None:
            raise NameError("clockwise sorting needs an origin. Please set origin.")
        # Vector between point and the origin: v = p - o
        vector = [point[0]-self.origin[0], point[1]-self.origin[1]]
        # Length of vector: ||v||
        lenvector = np.linalg.norm(vector[0] - vector[1])
        # If length is zero there is no angle
        if lenvector == 0:
            return -pi, 0
        # Normalize vector: v/||v||
        normalized = [vector[0]/lenvector, vector[1]/lenvector]
        dotprod  = normalized[0]*refvec[0] + normalized[1]*refvec[1] # x1*x2 + y1*y2
        diffprod = refvec[1]*normalized[0] - refvec[0]*normalized[1] # x1*y2 - y1*x2
        angle = atan2(diffprod, dotprod)
        # Negative angles represent counter-clockwise angles so we need to 
        # subtract them from 2*pi (360 degrees)
        if angle < 0:
            return 2*pi+angle, lenvector
        # I return first the angle because that's the primary sorting criterium
        # but if two vectors have the same angle then the shorter distance 
        # should come first.
        return angle, lenvector

center_pt = np.array(list_of_pts).mean(axis = 0) # get origin
clock_ang_dist = clockwise_angle_and_distance(origin) # set origin
list_of_pts = sorted(list_of_pts, key=clock_ang_dist) # use to sort

将点列表强制转换为 cv2 格式

import numpy as np
ctr = np.array(list_of_pts).reshape((-1,1,2)).astype(np.int32)

cv2.convexHull相反，将它们合并

如果您使用它，则无需按顺时针方向对点进行排序。但是，convexHull 可能会丢失一些轮廓属性，因为它不会保留轮廓的凹角。

# get a list of points
# force the list of points into cv2 format and then
ctr = cv2.convexHull(ctr) # done.

我认为合并两个轮廓的函数应该是opencv库的内容。这个秘诀非常简单，令人遗憾的是，许多使用 opencv 的程序员将不得不对此进行样板代码。