OpenCV-Konturen.txt

import cv2
import numpy as np
import matplotlib.pyplot as plt
import os
import json

# Bildpfad
image_path = "daco4.bmp"

# Überprüfen, ob das Bild existiert
if not os.path.exists(image_path):
    print("Fehler: Bild wurde nicht gefunden.")
else:
    # Bild laden
    image = cv2.imread(image_path)

    # Überprüfen, ob das Bild erfolgreich geladen wurde
    if image is None:
        print("Fehler: Das Bild konnte nicht geladen werden. Bitte ueberpruefen Sie den Pfad.")
    else:
        # Bild in Graustufen konvertieren
        gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

        # Bildkontrast erhöhen
        alpha = 1.8  # Kontrastfaktor leicht erhöht
        adjusted = cv2.convertScaleAbs(gray, alpha=alpha)

        # Bild glätten (um Rauschen zu reduzieren, aber nicht zu stark)
        blurred = cv2.GaussianBlur(adjusted, (3, 3), 0)

        # Canny-Kantendetektion anwenden (angepasste Schwellenwerte)
        edges = cv2.Canny(blurred, threshold1=30, threshold2=100)

        # Bild nach Kanten anzeigen
        plt.imshow(edges, cmap='gray')
        plt.title("Canny-Kanten")
        plt.show()

        # Konturen finden, keine Erosion anwenden, um feine Details zu behalten
        contours, hierarchy = cv2.findContours(edges, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

        # Filtern nach Konturlänge statt Fläche (z.B. minimale Länge)
        filtered_contours = [contour for contour in contours if cv2.arcLength(contour, True) > 50]

        # Anzahl der gefundenen Konturen überprüfen
        print(f"Anzahl der gefilterten Konturen: {len(filtered_contours)}")

        # Zeichne gefundene Konturen
        contour_image = image.copy()
        cv2.drawContours(contour_image, filtered_contours, -1, (0, 255, 0), 1)

        # Konturen anzeigen
        plt.imshow(cv2.cvtColor(contour_image, cv2.COLOR_BGR2RGB))
        plt.title("Gefilterte Konturen")
        plt.show()

        # Polygon-Approximation für jede Kontur und die Koordinaten für WebGL speichern
        approx_polygons = []
        polygons_data = []  # Diese Liste wird die Polygonpunkte für den JSON-Export speichern

        for contour in filtered_contours:
            epsilon = 0.02 * cv2.arcLength(contour, True)  # Genauigkeit der Approximation
            approx = cv2.approxPolyDP(contour, epsilon, True)
            approx_polygons.append(approx)

            # Speichere die Punkte in einer Liste für JSON
            polygon_points = []
            for point in approx:
                x, y = point[0]
                polygon_points.append([int(x), int(y)])  # Speichern der Koordinaten als Ganzzahlen
            polygons_data.append(polygon_points)

        # Zeichne die approximierten Polygone
        approx_image = image.copy()
        for polygon in approx_polygons:
            cv2.drawContours(approx_image, [polygon], -1, (255, 0, 0), 2)

        # Approximierte Polygone anzeigen
        plt.imshow(cv2.cvtColor(approx_image, cv2.COLOR_BGR2RGB))
        plt.title("Approximierte Polygone")
        plt.show()

	# JSON-Daten speichern
	json_file_path = "polygons_data.json"
	with open(json_file_path, "w") as json_file:
    		json.dump(polygons_data, json_file)

	print(f"Polygon-Koordinaten wurden in '{json_file_path}' gespeichert.")