今天就跟大家聊聊有关利用Python + OpenCV图像处理功能实现轮廓发现,可能很多人都不太了解,为了让大家更加了解,小编给大家总结了以下内容,希望大家根据这篇文章可以有所收获。
代码如下:
进口cv2简历 进口numpy np def contours_demo(图片): dst=简历。高斯模糊(图片(3,3),0)#高斯模糊去噪 灰色=简历。cv.COLOR_RGB2GRAY cvtColor (dst) 受潮湿腐烂、二进制=简历。阈值(灰色,0 255简历。THRESH_BINARY | cv.THRESH_OTSU) #用大律法,全局自适应阈值方法进行图像二值化 cv.imshow(“二进制image"二进制) 轮廓,cloneTmage heriachy=简历。findContours(二进制、简历。RETR_EXTERNAL cv.CHAIN_APPROX_SIMPLE) 因为我,轮廓在列举(轮廓): 简历。drawContours(图像轮廓,我,(0,0,255),2) 打印(我) cv.imshow (“contours"、图片) 因为我,轮廓在列举(轮廓): 简历。drawContours(图像轮廓,我,(0,0,255),1) cv.imshow (“pcontours"、图片) src=https://www.yisu.com/zixun/cv.imread (E:/imageload/coins.jpg) cv.namedWindow (input_image, cv.WINDOW_NORMAL) #设置为WINDOW_NORMAL可以任意缩放 简历。imshow (input_image, src) contours_demo (src) cv.waitKey (0) cv.destroyAllWindows ()
运行结果:
注意:
<强> 1。Opencv发现轮廓的函数原型为:findContours(图像、模式、方法[,轮廓[,层次结构[,抵消]]])→形象,轮廓,层次强>
图像参数表示8位单通道图像矩阵,可以是灰度图,但更常用的是二值图像,一般是经过精明的,拉普拉斯等边缘检测算子处理过的二值图像。
模式参数表示轮廓检索模式:
①CV_RETR_EXTERNAL:只检测最外围轮廓,包含在外围轮廓内的内围轮廓被忽略。
②CV_RETR_LIST:检测所有的轮廓,包括内围,外围轮廓,但是检测到的轮廓不建立等级关系,彼此之间独立,没有等级关系,这就意味着这个检索模式下不存在父轮廓或内嵌轮廓。
③CV_RETR_CCOMP:检测所有的轮廓,但所有轮廓只建立两个等级关系,外围为顶层,若外围内的内围轮廓还包含了其他的轮廓信息,则内围内的所有轮廓均归属于顶层。
④CV_RETR_TREE:检测所有轮廓,所有轮廓建立一个等级树结构,外层轮廓包含内层轮廓,内层轮廓还可以继续包含内嵌轮廓。
方法参数表示轮廓的近似方法:
①CV_CHAIN_APPROX_NONE存储所有的轮廓点,相邻的两个点的像素位置差不超过1,即max (abs (x1, x2), abs (y2 - y1)==1 .
②CV_CHAIN_APPROX_SIMPLE压缩水平方向,垂直方向,对角线方向的元素,只保留该方向的终点坐标,例如一个矩形轮廓只需4个点来保存轮廓信息。
③CV_CHAIN_APPROX_TC89_L1, CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl链近似算法。
轮廓参数是一个列表,表示存储的每个轮廓的点集合。
层次参数是一个列表,列表中元素个数和轮廓个数相同,每个轮廓轮廓[我]对应4个层次元素层次[我][0]~[我][3],层次分别表示后一个轮廓,前一个轮廓,父轮廓,内嵌轮廓的索引编号,如果没有对应的项,则该值为负数。
抵消参数表示每个轮廓点移动的可选偏移量。
<强> 2。Opencv绘制轮廓的函数原型为:drawContours(形象、轮廓、contourIdx颜色(、厚度(,线型[、层次结构(,maxLevel[,抵消]]]]])→图片强>
imgae参数表示目标图像。
轮廓参数表示所有输入轮廓。
contourIdx参数表示绘制轮廓列表中的哪条轮廓,,如果是负数,则绘制所有轮廓。
颜色参数表示轮廓的颜色。
厚度参数表示绘制的轮廓线条粗细,如果是负数,则绘制轮廓内部。
线型参数表示线型。
层次参数表示有关层次结构的可选信息。
maxLevel参数表示绘制轮廓的最大级别。如果为0,则仅绘制指定的轮廓。如果为1,则该函数绘制轮廓和所有嵌套轮廓。如果为2,则该函数绘制轮廓,所有嵌套轮廓,所有嵌套到嵌套的轮廓,等等。仅当有可用的层次结构时才考虑此参数。
抵消参数表示可选的轮廓偏移参数,该参数可按指定的方式移动所有绘制的轮廓。