国产一区二区三区精品久久久,国产精品白丝一区二区三区

主頁(yè) > 知識(shí)庫(kù) > OpenCV半小時(shí)掌握基本操作之圖像輪廓

OpenCV半小時(shí)掌握基本操作之圖像輪廓

概述

OpenCV 是一個(gè)跨平臺(tái)的計(jì)算機(jī)視覺(jué)庫(kù), 支持多語(yǔ)言, 功能強(qiáng)大. 今天小白就帶大家一起攜手走進(jìn) OpenCV 的世界.

圖像輪廓

cv2.findContours可以幫助我們查找輪廓.

格式:

cv2.findContours(image, mode, method, contours=None, hierarchy=None, offset=None)

參數(shù):

image: 需要查找輪廓的圖片

mode: 模式

RETR_EXTERNAL: 只檢測(cè)最外面的輪廓
RETR_LIST: 檢測(cè)所有的輪廓, 并將其保存到一條鏈表中
RETR_CCOMP: 檢索所有的輪廓, 將他們組織為兩層: 頂部是各分部法外部邊界, 第二層是空洞的邊界
RRTR_TREE: 檢索所有的輪廓, 并重構(gòu)嵌套輪廓的整個(gè)層次

method: 輪廓逼近的方法

CHAIN_APPROX_NONE: 以 Freeman 鏈碼的方式輸出輪廓, 所有其他方法輸出多邊形 (定點(diǎn)的序列)
CHAIN_APPROX_SIMPLE: 壓縮水平的, 垂直的和斜的部分, 只保留他們的終點(diǎn)部分

返回值:

contours:輪廓本身
hierarchy: 輪廓的對(duì)應(yīng)編號(hào)

原圖:

繪制輪廓

cv2.drawContours可以實(shí)現(xiàn)輪廓繪制.

格式:

cv2.drawContours(image, contours, contourIdx, color, thickness=None, lineType=None, hierarchy=None, maxLevel=None, offset=None):

參數(shù):

image: 需要繪制輪廓的圖片
contours: 輪廓
color: 顏色
thickness: 輪廓粗細(xì)

繪制所有輪廓:

# 讀取圖片
img = cv2.imread("contours.jpg")

# 轉(zhuǎn)換成灰度圖
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 獲取輪廓 (所有)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

# 繪制輪廓
draw_img = img.copy()
res = cv2.drawContours(draw_img, contours, -1, (0, 0, 255), 2)

# 圖片展示
cv2.imshow("res", res)
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出結(jié)果:

繪制單個(gè)輪廓:

# 讀取圖片
img = cv2.imread("contours.jpg")

# 轉(zhuǎn)換成灰度圖
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 獲取輪廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

# 繪制輪廓 (單一)
draw_img = img.copy()
res = cv2.drawContours(draw_img, contours, 0, (0, 0, 255), 2)

# 圖片展示
cv2.imshow("res", res)
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出結(jié)果:

輪廓特征

# 獲取輪廓
cnt = contours[0]  # 取第一個(gè)輪廓

# 面積
area = cv2.contourArea(cnt)
print("輪廓面積:", area)

# 周長(zhǎng), True表示合并
perimeter = cv2.arcLength(cnt, True)
print("輪廓周長(zhǎng):", perimeter)

輸出結(jié)果:

輪廓面積: 8500.5
輪廓周長(zhǎng): 437.9482651948929

輪廓近似

原圖:

代碼:

# 讀取圖片
img = cv2.imread("contours2.jpg")

# 轉(zhuǎn)換成灰度圖
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 獲取輪廓
contours, hieratchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

# 繪制輪廓
draw_img = img.copy()
res = cv2.drawContours(draw_img, contours, 0, (0, 0, 255), 2)

# 圖片展示
cv2.imshow("res", res)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 取外圍輪廓
cnt = contours[0]

# 輪廓近似
epsilon = 0.1 * cv2.arcLength(cnt, True)
approx = cv2.approxPolyDP(cnt, epsilon, True)

# 繪制輪廓
draw_img = img.copy()
res = cv2.drawContours(draw_img, [approx], -1, (0, 0, 255), 2)

# 圖片展示
cv2.imshow("res", res)
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出結(jié)果:

直接繪制輪廓:

輪廓近似:

邊界矩形

cv2.boundingRect可以幫助我們得到邊界矩形的位置和長(zhǎng)寬.

例子:

# 讀取圖片
img = cv2.imread("contours.jpg")

# 轉(zhuǎn)換成灰度圖
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 獲取輪廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

# 獲取第一個(gè)輪廓
cnt = contours[0]

# 獲取正方形坐標(biāo)長(zhǎng)寬
x, y, w, h = cv2.boundingRect(cnt)

# 圖片展示
img = cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)
cv2.imshow("img", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 輪廓面積
area = cv2.contourArea(cnt)

# 邊界矩形面積
rect_area = w * h

# 占比
extent = area / rect_area
print('輪廓面積與邊界矩形比:', extent)

輸出結(jié)果:

輪廓面積與邊界矩形比: 0.5154317244724715

外接圓

cv2.minEnclosingCircle可以幫助我們得到外接圓的位置和半徑.

例子:

# 讀取圖片
img = cv2.imread("contours.jpg")

# 轉(zhuǎn)換成灰度圖
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 獲取輪廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

# 獲取第一個(gè)輪廓
cnt = contours[0]

# 獲取外接圓
(x, y), radius = cv2.minEnclosingCircle(cnt)

# 獲取圖片
img = cv2.circle(img, (int(x), int(y)), int(radius), (255, 100, 0), 2)

# 圖片展示
cv2.imshow("img", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

輸出結(jié)果:

到此這篇關(guān)于OpenCV半小時(shí)掌握基本操作之圖像輪廓的文章就介紹到這了,更多相關(guān)OpenCV圖像輪廓內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章:

OpenCV半小時(shí)掌握基本操作之圖像裁剪融合
OpenCV半小時(shí)掌握基本操作之圖像處理
opencv-python基本圖像處理詳解
OpenCV圖像處理基本操作詳解
Opencv圖像處理之詳解掩膜mask
基于python的opencv圖像處理實(shí)現(xiàn)對(duì)斑馬線的檢測(cè)示例
Python+OpenCV圖像處理——圖像二值化的實(shí)現(xiàn)
OpenCV半小時(shí)掌握基本操作之分水嶺算法
OpenCV半小時(shí)掌握基本操作之傅里葉變換
OpenCV半小時(shí)掌握基本操作之直方圖
OpenCV半小時(shí)掌握基本操作之模板匹配
OpenCV半小時(shí)掌握基本操作之圓圈檢測(cè)
OpenCV半小時(shí)掌握基本操作之對(duì)象測(cè)量
OpenCV半小時(shí)掌握基本操作之圖像基礎(chǔ)操作

標(biāo)簽：呼倫貝爾安慶烏魯木齊銀川湘西呼倫貝爾三亞葫蘆島

巨人網(wǎng)絡(luò)通訊聲明：本文標(biāo)題《OpenCV半小時(shí)掌握基本操作之圖像輪廓》，本文關(guān)鍵詞 OpenCV,半小時(shí),掌握,基本操作,；如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問(wèn)題，煩請(qǐng)?zhí)峁┫嚓P(guān)信息告之我們，我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò)，涉及言論、版權(quán)與本站無(wú)關(guān)。