ASP网站建设招聘,网站建设需要的硬件,永和建设集团有限公司网站,网站建设的考虑1.轮廓发现轮廓发现是基于图像边缘提取的基础寻找对象轮廓的方法#xff0c;所以边缘提取的阈值选定会影响最终轮廓发现结果。1.1发现轮廓在此步骤中我们会使用到findContours这个API#xff0c;其原型为#xff1a;cv2.findContours(image, mode, method[, contours[, hier…1.轮廓发现轮廓发现是基于图像边缘提取的基础寻找对象轮廓的方法所以边缘提取的阈值选定会影响最终轮廓发现结果。1.1发现轮廓在此步骤中我们会使用到findContours这个API其原型为cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]])注:opencv3会返回三个值,分别是img, countours, hierarchy而opencv4中只有 countours, hierarchy两个返回值第一个参数是寻找轮廓的图像第二个参数表示轮廓的检索模式有四种(1)RETR_EXTERNAL表示只检测外轮廓(2)RETR_LIST检测的轮廓不建立等级关系(3)RETR_CCOMP建立两个等级的轮廓上面的一层为外边界里面的一层为内孔的边界信息(4)RETR_TREE建立一个等级树结构的轮廓其中最常用的是第一种和第四种。第三个参数method为轮廓的近似办法(1)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(2)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(3)CHAIN_APPROX_TC89_L1CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法1.2绘制轮廓在绘制轮廓时我们会用到drawContours该API其原型为cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset ]]]]])第一个参数是指明在哪幅图像上绘制轮廓第二个参数是是轮廓本身在Python中是一个list第三个参数指定绘制轮廓list中的哪条轮廓如果是-1则绘制其中的所有轮廓之后的参数分别为线的颜色和线宽。2.操作步骤1.转换图像为二值化图像threshold方法或者Canny边缘提取获取的都是二值化图像2.通过二值化图像寻找轮廓findContours3.描绘轮廓drawContours。2.1阈值法获取轮廓其代码为def conters_demo(image):dst cv.GaussianBlur(image, (3, 3), 0) # 图像降噪模糊gray cv.cvtColor(dst, cv.COLOR_BGR2GRAY)ret, binary cv.threshold(gray, 0, 255, cv.THRESH_OTSU | cv.THRESH_BINARY)# 用大律法、全局自适应阈值方法进行图像二值化cv.imshow(binary_image, binary)contours, heriachy cv.findContours(binary, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE) # RETR_TREE检测内部# contours, heriachy cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE) # RETR_EXTERNAL检测外部轮廓for i, contour in enumerate(contours):cv.drawContours(image, contours, i, (0, 0, 255), 2) # 绘制轮廓# cv.drawContours(image, contours, i, (0, 0, 255), -1) # 填充轮廓print(i)cv.imshow(detect_contours, image)原图为经过二值化后绘制其轮廓后2.2使用Canny边缘检测获取轮廓代码为def edge_demo(image):blur cv.GaussianBlur(image, (3, 3), 0) # 降低噪声gray cv.cvtColor(blur, cv.COLOR_BGR2GRAY)# x方向的梯度xgrad cv.Sobel(gray, cv.CV_16SC1, 1, 0)# y方向的梯度ygrad cv.Sobel(gray, cv.CV_16SC1, 0, 1)# 求出图像的边缘edge_output cv.Canny(xgrad, ygrad, 50, 150)cv.imshow(Canny_Edge, edge_output)return edge_outputdef conters_demo(image):binary edge_demo(image)contours, heriachy cv.findContours(binary, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE) # RETR_TREE检测内部# contours, heriachy cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE) # RETR_EXTERNAL检测外部轮廓for i, contour in enumerate(contours):cv.drawContours(image, contours, i, (0, 0, 255), 2) # 绘制轮廓# cv.drawContours(image, contours, i, (0, 0, 255), -1) # 填充轮廓print(i)cv.imshow(detect_contours, image)Canny边缘检测后的结果为绘制其轮廓为完整代码import cv2 as cv # 导入opencv模块import numpy as np # 导入数学函数库def edge_demo(image):blur cv.GaussianBlur(image, (3, 3), 0) # 降低噪声gray cv.cvtColor(blur, cv.COLOR_BGR2GRAY)# x方向的梯度xgrad cv.Sobel(gray, cv.CV_16SC1, 1, 0)# y方向的梯度ygrad cv.Sobel(gray, cv.CV_16SC1, 0, 1)# 求出图像的边缘edge_output cv.Canny(xgrad, ygrad, 50, 150)cv.imshow(Canny_Edge, edge_output)return edge_outputdef conters_demo(image):dst cv.GaussianBlur(image, (3, 3), 0) # 图像降噪模糊gray cv.cvtColor(dst, cv.COLOR_BGR2GRAY)ret, binary cv.threshold(gray, 0, 255, cv.THRESH_OTSU | cv.THRESH_BINARY)# 用大律法、全局自适应阈值方法进行图像二值化cv.imshow(binary_image, binary)# binary edge_demo(image)contours, heriachy cv.findContours(binary, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE) # RETR_TREE检测内部# contours, heriachy cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE) # RETR_EXTERNAL检测外部轮廓for i, contour in enumerate(contours):cv.drawContours(image, contours, i, (0, 0, 255), 2) # 绘制轮廓# cv.drawContours(image, contours, i, (0, 0, 255), -1) # 填充轮廓print(i)cv.imshow(detect_contours, image)print(------------hello python!------------)src cv.imread(D:/opencv3/image/huafen.jpg)cv.namedWindow(input_image, cv.WINDOW_AUTOSIZE)cv.imshow(input_image, src)conters_demo(src)cv.waitKey(0)cv.destroyAllWindows() # 释放所有窗口
