如何使用OpenCV Python在图像中检测多边形？

我们首先检测图像中所有物体的轮廓以检测多边形。然后循环遍历所有轮廓。找到每个轮廓的近似轮廓。如果近似轮廓中的顶点数量为5个或更多，则绘制轮廓并将其设置为三角形。请参见下面的伪代码。

for cnt in contours:
   approx = cv2.approxPolyDP()
   if len(approx) >= 5:
      cv2.drawContours()
      cv2.putText("Polygon")

步骤

我们可以使用以下步骤在图像中检测多边形：

导入所需的库。在以下所有示例中，所需的Python库是OpenCV。确保您已安装它。
使用cv2.imread()读取输入图像并将其转换为灰度图像。
在灰度图像上应用阈值cv2.threshold()以创建二值图像。调整第二个参数以获得更好的轮廓检测。
使用cv2.findContours()函数查找图像中的轮廓。
从轮廓列表中选择一个轮廓（例如第一个轮廓）cnt。或者循环遍历所有检测到的轮廓。
使用cv2.approxPolyDP()函数计算每个轮廓cnt的近似轮廓点（approx）。
如果近似轮廓approx中的顶点总数为5个或更多，则在图像上绘制近似轮廓并将其设置为多边形。
显示绘制了轮廓和近似轮廓的图像。

让我们来看下面的示例以便更好地理解。

示例

在这个Python程序中，我们检测输入图像中的多边形。我们还绘制了检测到的多边形的轮廓。

# import required libraries
import cv2

# read the input image
img = cv2.imread('polygons.png')

# convert the image to grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# apply thresholding to convert the grayscale image to a binary image
ret,thresh = cv2.threshold(gray,50,255,0)

# find the contours
contours,hierarchy = cv2.findContours(thresh, cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
print("Number of contours detected:",len(contours))
for cnt in contours:
   approx = cv2.approxPolyDP(cnt, 0.01*cv2.arcLength(cnt, True), True)
   (x,y)=cnt[0,0]

   if len(approx) >= 5:
      img = cv2.drawContours(img, [approx], -1, (0,255,255), 3)
      cv2.putText(img, 'Polygon', (x, y),
cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 255, 0), 2)
cv2.imshow("Polygon", img)
cv2.waitKey(0)
cv2.destroyAllWindows()