OpenCV半小时掌握基本操作之图像轮廓
作者:我是小白呀 时间:2022-08-22 12:43:13
【OpenCV】⚠️高手勿入! 半小时学会基本操作 ⚠️ 图像轮廓
概述
OpenCV 是一个跨平台的计算机视觉库, 支持多语言, 功能强大. 今天小白就带大家一起携手走进 OpenCV 的世界.
图像轮廓
cv2.findContours
可以帮助我们查找轮廓.
格式:
cv2.findContours(image, mode, method, contours=None, hierarchy=None, offset=None)
参数:
image: 需要查找轮廓的图片
mode: 模式
RETR_EXTERNAL: 只检测最外面的轮廓
RETR_LIST: 检测所有的轮廓, 并将其保存到一条链表中
RETR_CCOMP: 检索所有的轮廓, 将他们组织为两层: 顶部是各分部法外部边界, 第二层是空洞的边界
RRTR_TREE: 检索所有的轮廓, 并重构嵌套轮廓的整个层次
method: 轮廓逼近的方法
CHAIN_APPROX_NONE: 以 Freeman 链码的方式输出轮廓, 所有其他方法输出多边形 (定点的序列)
CHAIN_APPROX_SIMPLE: 压缩水平的, 垂直的和斜的部分, 只保留他们的终点部分
返回值:
contours:轮廓本身
hierarchy: 轮廓的对应编号
原图:
绘制轮廓
cv2.drawContours
可以实现轮廓绘制.
格式:
cv2.drawContours(image, contours, contourIdx, color, thickness=None, lineType=None, hierarchy=None, maxLevel=None, offset=None):
参数:
image: 需要绘制轮廓的图片
contours: 轮廓
color: 颜色
thickness: 轮廓粗细
绘制所有轮廓:
# 读取图片
img = cv2.imread("contours.jpg")
# 转换成灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 获取轮廓 (所有)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
# 绘制轮廓
draw_img = img.copy()
res = cv2.drawContours(draw_img, contours, -1, (0, 0, 255), 2)
# 图片展示
cv2.imshow("res", res)
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果:
绘制单个轮廓:
# 读取图片
img = cv2.imread("contours.jpg")
# 转换成灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 获取轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
# 绘制轮廓 (单一)
draw_img = img.copy()
res = cv2.drawContours(draw_img, contours, 0, (0, 0, 255), 2)
# 图片展示
cv2.imshow("res", res)
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果:
轮廓特征
# 获取轮廓
cnt = contours[0] # 取第一个轮廓
# 面积
area = cv2.contourArea(cnt)
print("轮廓面积:", area)
# 周长, True表示合并
perimeter = cv2.arcLength(cnt, True)
print("轮廓周长:", perimeter)
输出结果:
轮廓面积: 8500.5
轮廓周长: 437.9482651948929
轮廓近似
原图:
代码:
# 读取图片
img = cv2.imread("contours2.jpg")
# 转换成灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 获取轮廓
contours, hieratchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
# 绘制轮廓
draw_img = img.copy()
res = cv2.drawContours(draw_img, contours, 0, (0, 0, 255), 2)
# 图片展示
cv2.imshow("res", res)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 取外围轮廓
cnt = contours[0]
# 轮廓近似
epsilon = 0.1 * cv2.arcLength(cnt, True)
approx = cv2.approxPolyDP(cnt, epsilon, True)
# 绘制轮廓
draw_img = img.copy()
res = cv2.drawContours(draw_img, [approx], -1, (0, 0, 255), 2)
# 图片展示
cv2.imshow("res", res)
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果:
直接绘制轮廓:
轮廓近似:
边界矩形
cv2.boundingRect
可以帮助我们得到边界矩形的位置和长宽.
例子:
# 读取图片
img = cv2.imread("contours.jpg")
# 转换成灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 获取轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
# 获取第一个轮廓
cnt = contours[0]
# 获取正方形坐标长宽
x, y, w, h = cv2.boundingRect(cnt)
# 图片展示
img = cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)
cv2.imshow("img", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 轮廓面积
area = cv2.contourArea(cnt)
# 边界矩形面积
rect_area = w * h
# 占比
extent = area / rect_area
print('轮廓面积与边界矩形比:', extent)
输出结果:
轮廓面积与边界矩形比: 0.5154317244724715
外接圆
cv2.minEnclosingCircle
可以帮助我们得到外接圆的位置和半径.
例子:
# 读取图片
img = cv2.imread("contours.jpg")
# 转换成灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 获取轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
# 获取第一个轮廓
cnt = contours[0]
# 获取外接圆
(x, y), radius = cv2.minEnclosingCircle(cnt)
# 获取图片
img = cv2.circle(img, (int(x), int(y)), int(radius), (255, 100, 0), 2)
# 图片展示
cv2.imshow("img", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果:
来源:https://blog.csdn.net/weixin_46274168/article/details/118891765?spm=1001.2014.3001.5502
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
浅谈django三种缓存模式的使用及注意点
![](https://img.aspxhome.com/file/2023/2/75142_0s.png)
Python Pandas中缺失值NaN的判断,删除及替换
ASP实现最简洁的多重查询的解决方案
python 如何利用chinese_calendar 获取上一个工作日日期
![](https://img.aspxhome.com/file/2023/2/78762_0s.png)
PHP的PDO预定义常量讲解
几个图片按比例缩放的代码
解决tensorflow测试模型时NotFoundError错误的问题
网站LOGO设计规范的思考--2.网络LOGO的设计
Python configparser模块常用方法解析
Python设计模式之MVC模式简单示例
![](https://img.aspxhome.com/file/2023/6/77606_0s.jpg)
简要介绍SQL Server 2008新的事件处理系统
![](https://img.aspxhome.com/file/UploadPic/20101/11/210u51y4y-40s.jpg)
Python列表的深复制和浅复制示例详解
![](https://img.aspxhome.com/file/2023/9/68459_0s.png)
Python3 中文文件读写方法
页面中 CSS 加载方式的优化
Atlas—微软的Ajax工具包
关于textarea的直观换行
使用Python的Flask框架构建大型Web应用程序的结构示例
轻松解决:mysql数据库连接过多的错误
python递归删除指定目录及其所有内容的方法
Python连接mysql数据库及简单增删改查操作示例代码
![](https://img.aspxhome.com/file/2023/8/66908_0s.png)