opencv python 图像轮廓/检测轮廓/绘制轮廓的方法

图像的轮廓检测,如计算多边形外界、形状毕竟、计算感兴趣区域等。

Contours : Getting Started

轮廓

简单地解释为连接所有连续点(沿着边界)的曲线,具有相同的颜色或强度.

轮廓是形状分析和物体检测和识别的有用工具

NOTE

  • 为获得更好的准确性,请使用二值图,在找到轮廓之前,应用阈值法或canny边缘检测
  • 从OpenCV 3.2开始,findContours()不再修改源图像,而是将修改后的图像作为三个返回参数中的第一个返回
  • 在OpenCV中,查找轮廓是从黑色背景中查找白色对象

findContours(image, mode, method[, contours[, hierarchy[, offset]]])

  • image:原图像
  • mode:轮廓检索模式
  • method:轮廓近似方法

输出为: 修改后的图像,轮廓,层次结构

轮廓是所有轮廓的列表.每个单独的轮廓是对象边界点的坐标.

轮廓检索模式含义
cv2.RETR_EXTERNAL只检测外轮廓
cv2.RETR_LIST提取所有轮廓并将其放入列表,不建立等级关系
cv2.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。如果内孔内还有一个连通物体,这个物体的边界也在顶层
cv2.RETR_TREE建立一个等级树结构的轮廓

轮廓逼近方法含义
cv2.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
cv2.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
cv2.CHAIN_APPROX_TC89_L1 或 cv2.CHAIN_APPROX_TC89_KCOS应用Teh-Chin链近似算法

代码:

import cv2

import numpy as np

img = cv2.imread('img.jpg')

imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

ret, thresh = cv2.threshold(imgray, 127, 255, 0)

im2, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

绘制轮廓

cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]])

  • image:原图像
  • contours:作为Python列表传递的轮廓
  • contourIdx:轮廓索引(在绘制单个轮廓时很有用。绘制所有轮廓,传递-1)

要绘制图像中的所有轮廓:

cv.drawContours(img,contours,-1,(0,255,0),3)

要绘制单个轮廓,比如第4个轮廓:

cv.drawContours(img,contours,3,(0,255,0),3)

但大多数情况下,绘制第4个轮廓,以下方法将非常有用:

cnt = contours[4]

cv.drawContours(img,[cnt],0,(0,255,0),3)

代码:

import cv2

import numpy as np

img = cv2.imread('img7.png')

imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

ret, thresh = cv2.threshold(imgray, 127, 255, 0)

im2, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

cnt = contours[0]

cv2.drawContours(img,[cnt],0,(0,255,0),3)

cv2.imshow('src',img)

cv2.waitKey()


以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。

以上是 opencv python 图像轮廓/检测轮廓/绘制轮廓的方法 的全部内容, 来源链接: utcz.com/z/359997.html

回到顶部