opencvpython矩形
⑴ 我想要在opencv中用最小矩形外接图中图像并剪切截取出这个矩形部分。
试试 里面一些参数要改一下 这是c++
vector<vector<Point>> vecContour;
vector<Vec4i> hierarcy;
findContours(dst1, vecContour, CV_RETR_LIST, CV_CHAIN_APPROX_SIMPLE);//查找轮廓
Rect boundRect;//存放外接矩形
RotatedRect rorect;//存放最小外接矩形
Point2f rect[4];
//vector<vector<Point>>proRect;
//Mat imageContours = Mat::zeros(image.size(), CV_8UC1);
for (int i = 0; i < vecContour.size(); i++)
{
boundRect = boundingRect(Mat(vecContour[i]));
if (boundRect.width < 200 || boundRect.height < 200)
continue;
circle(dst1, Point(rorect.center.x, rorect.center.y), 5, Scalar(0, 255, 0), -1, 8); //绘制最小外接矩形的中心点
rorect.points(rect); //把最小外接矩形四个端点复制给rect数组
rectangle(dst1, Point(boundRect.x, boundRect.y), Point(boundRect.x + boundRect.width, boundRect.y + boundRect.height), Scalar(0, 255, 0), 2, 8);
for (int j = 0; j < 4; j++)
{
line(dst1, rect[j], rect[(j + 1) % 4], Scalar(255, 0, 0), 2, 8); //绘制最小外接矩形每条边
}
}
⑵ 基于python语言的opencv如何把图片中指定区域截取出来
3-切割轮廓
(这是我网站找的一篇 blog， 亲测有效)
⑶ OpenCV加载图片指定（圆一个坐标，矩形两个坐标）坐标画圆（或者矩形）
ctrl+1 不知道你是不是指的这个，但是个人比较习惯用这个查看图形的特性。图层、颜色、线型、长度、起始点的坐标、面积等等都能够查看的。
⑷ OpenCV-Python教程:19.轮廓属性
1图像矩
帮你计算一些属性，比如重心，面积等。
函数cv2.moments()会给你一个字典，包含所有矩值
你可以从这个里面得到有用的数据比如面积，重心等。重心可以用下面的式子得到：
2.轮廓面积
轮廓面积由函数cv2.contourArea()得到或者从矩里得到M['m00']
3.轮廓周长
可以用cv2.arcLength()函数得到。第二个参数指定形状是否是闭合的轮廓（如果传True）。或者只是一个曲线。
4.轮廓近似
这会把轮廓形状近似成别的边数少的形状，边数由我们指定的精确度决定。这是Douglas-Peucker算法的实现。
要理解这个，假设你试图找一个图像里的方块，但是由于图像里的一些问题，你得不到一个完美的方块，只能得到一个“坏方块”。现在你可以使用这个函数来近似，第二个参数叫epsilon，是从轮廓到近似轮廓的最大距离。是一个准确率参数，好的epsilon的选择可以得到正确的输出。
在下面第二个图像里，绿线显示了epsilon = 10% of arc length 的近似曲线。第三个图像显示了epsilon = 1% of the arc length。第三个参数指定曲线是否闭合。
5.凸形外壳
凸形外壳和轮廓近似类似，但是还不一样（某些情况下两个甚至提供了同样的结果）。这儿，cv2.convexHull()函数检查凸面曲线缺陷并修复它。一般来说，凸面曲线总是外凸的，至少是平的，如果它内凹了，这就叫凸面缺陷。比如下面这张图，红线显示了手的凸形外壳。双向箭头显示了凸面缺陷，是轮廓外壳的最大偏差。
参数详情：
·points 是我们传入的轮廓
·hull 是输出，一般我们不用传
·clockwise： 方向标示，如果是True，输出凸形外壳是顺时针方向的。否则，是逆时针的。
·returnPoints：默认是True。然后会返回外壳的点的坐标。如果为False，它会返回轮廓对应外壳点的索引。
所以要获得凸形外壳，下面
但是如果你想找到凸面缺陷，你需要传入returnPoints = False。我们拿上面的矩形图形来说，首先我找到他的轮廓cnt，现在用returnPoints = True来找他的凸形外壳，我得到下面的值：[[[234 202]], [[51 202]], [51 79]], [[234 79]]] 是四个角的点。如果你用returnPoints = False，我会得到下面的结果：[[129], [67], [0], [142]]. 这是轮廓里对应点的索引，比如cnt[129] = [234, 202]]，这和前面结果一样。
6.检查凸面
有一个函数用来检查是否曲线是凸面, cv2.isContourConvex().它返回True或False。
7.边界矩形
有两种边界矩形
7.a.正边界矩形
这个矩形不考虑对象的旋转，所以边界矩形的面积不是最小的，函数是cv2.boundingRect()。
假设矩形左上角的坐标是(x,y)， （w, h）是它的宽和高
7.b.渲染矩形
这个边界矩形是用最小面积画出来的，所以要考虑旋转。函数是cv2.minAreaRect()。它返回一个Box2D结构，包含了(左上角(x,y)，（width, height）,旋转角度）。但是要画这个矩形我们需要4个角。这四个角用函数cv2.boxPoints()得到
8.最小闭包圆
我们找一个目标的外接圆可以用函数cv2.minEnclosingCircle().这个圆用最小面积完全包围目标。
9.椭圆
用一个椭圆来匹配目标。它返回一个旋转了的矩形的内接椭圆
10. 直线
类似的我们可以匹配一根直线，下面的图像包含一系列的白色点，我们可以给它一条近似的直线。
END
⑸ Python怎么在一幅图像上画矩形啊，不调用opencv。
import cv2 #导入opencv模块
importnumpy asnp #导入numpy模块并改名字为np方便调用
def salt(img, n): #定义函数，给图像随机加白点（输入图像，白点数）
for k in range(n): #从k=0到k=n，默认以步长1
i = int(np.random.random()* img.shape[1]); #产生随机数（0~1）*图像的宽
j = int(np.random.random() *img.shape[0]); #产生随机数（0~1）*图像的高
if img.ndim == 2: #如果图像是二维的
img[j,i] = 255
elif img.ndim == 3: #如果图像是三维的
img[j,i,0]= 255 #分别给三个通道的对应像素点赋值
img[j,i,1]= 255
img[j,i,2]= 255
return img #返回图像，供显示
if __name__ == '__main__':
img = cv2.imread("图像路径") #读入图像
saltImage = salt(img, 500) # 调用salt函数
cv2.imshow("Salt", saltImage) #显示图像
cv2.waitKey(0) #等待按键结束
cv2.destroyAllWindows() #销毁窗口释放内存
⑹ OpenCV Python实现旋转矩形的裁剪
环境
矩形操作是我们在 OpenCV 里最常用的操作，其中最为常见的就是包围框（ Bounding Box ）和旋转矩形（ Rotated Box ）。 其中包围框是最为常见的，对应 OpenCV 中的 boundingRect() ，使用正矩形框处物体，一般多用在目标检测中。使用包围框框柱目标物体，这种操作比较简单，但是通常框中也会有一些其他的区域。其次就是使用旋转矩形，也叫最小外接矩形，对应 OpenCV 中的 minAreaRect() ，用来使用旋转矩形最大限度的框出目标物体，减小背景干扰，在 OCR 任务中较为常用。
minAreaRect() 返回了所需区域的最小斜矩形的参数，与包围框直接返回四个顶点的坐标不同，最小外接矩形返回的是矩形的 ((x, y), (w, h), angle) ，对应了矩形的中心，宽度，高度和旋转角度。
旋转角度 angle 是水平轴（ x 轴）逆时针旋转，与碰到的矩形的第一条边的夹角。并且这个边的边长是 width ，另一条边边长是 height 。也就是说，在这里 width 与 height 不是按照长短来定义的。
在 OpenCV 中，坐标系原点在左上角，相对于 x 轴，逆时针旋转角度为负，顺时针旋转角度为正，所以函数 minAreaRect() 返回的角度范围时 [-90~0) 。想象一个平放的长矩形，调用 minAreaRect() 返回的角度为 -90 度。如果我们旋转图像，直到矩形树立起来，这是调用 minAreaRect() 得到的角度依然是 -90 度。
第一种裁剪旋转矩形的方法是通过仿射变换旋转图像的方式。
仿射变换( Affine Transformation ) 是一种二维坐标到二维坐标之间的线性变换，保持二维图形的“平直性”（ straightness ，即变换后直线还是直线不会打弯，圆弧还是圆弧）和“平行性”（ parallelness ，其实是指保二维图形间的相对位置关系不变，平行线还是平行线，相交直线的交角不变。）。
计算过程：
如果不做边长和角度的判断，则只会沿着 x 轴的顺时针方向做相同大小角度的旋转，不能保证旋转后的视角是正确的视角：
根据任务目标的类型，做边长和角度的判断并进行相应的调整，可以保证旋转后的视角是正确的视角：
第二种裁剪旋转矩形的方法是通过透视变换直接将旋转矩形的四个顶点映射到正矩形的四个顶点。
透视变换( Perspective Transformation )是将图片投影到一个新的视平面( Viewing Plane )，也称作投影映射( Projective Mapping )。
计算过程：
以上两种方法都可以用来抠取旋转矩形的内容。仿射变换方法需要预先对整张图进行旋转，通过观察旋转后的图像可以发现，有一部分图像被旋转出了图像边界，如果你要抠取的目标正好在图像边缘附近，那么很容易出界导致图像抠取的缺失。同时我们需要对宽、高和角度做出动态的调整；透视变换的方法直接对抠取区域进行了映射，这种方法可以省略旋转的步骤，并且不会出现抠取内容的缺失。同时我们只需要对4个顶点之间的映射关系做好定义即可，不需要考虑角度的问题。相对的，透视变换相对于仿射变换计算量更大一些，不过这在 c++ 的底层实现上带来的时延差距小于 ms 。
⑺ opencv python 用什么语句判断两个灰度图对应矩阵的值相同
看到一个别人的方法。
建议转到HSV颜色空间，opencv 的H范围是0~180，红色的H范围大概是(0~8)∪(160,180)
S是饱和度，一般是大于一个值,S过低就是灰色（参考值S>80)，
V是亮度，过低就是黑色，过高就是白色(参考值220>V>50)。
判断区域颜色是否相同，可以直接比较这两个区域像素的HSV值。如果要完全相同，则各像素点的H,S,V的值都要一样，否则可以有一定误差范围（具体是多少就只能自己估计了）。