Opencv轮廓检测运用与理解

目录

引入

基本理解

加深理解

①比如我们可以获取我们的第一个轮廓,只展示第一个轮廓

②我们还可以用一个矩形把我们的轮廓给框出来

③计算轮廓的周长和面积


引入

顾名思义,就是把我们图片的轮廓全部都描边出来

也就是我们在日常生活中面部识别的时候会有一个框,那玩意就是

基本理解

我们还是通过例子来基本的理解以下opencv是如何实现轮廓识别的


这是我们的原图像 test.png


实现代码

cv2.findContours(img,mode,method)

img:轮廓检索模式:

  • 传入的图像

mode:轮廓检索模式:

  • RETR_EXTERNAL :只检索最外面的轮廓;
  • RETR_LIST:检索所有的轮廓,并将其保存到一条链表当中;
  • RETR_CCOMP:检索所有的轮廓,并将他们组织为两层:顶层是各部分的外部边界,第二层是空洞的边界;
  • RETR_TREE:检索所有的轮廓,并重构嵌套轮廓的整个层次;(一般只用这种)

method:轮廓逼近方法

  • CHAIN_APPROX_NONE:以Freeman链码的方式输出轮廓,输出完整的轮廓(一般用这种)
  • CHAIN_APPROX_SIMPLE:压缩水平的、垂直的和斜的部分,也就是,函数只保留他们的终点部分。(即只保留轮廓点)

返回的值:

|-------------------|-----------------|
| contours | 获取到的轮廓点 |
| hierarchy | 层数(可以不用管) |

cv2.drawContours(图像,轮廓,轮廓索引,颜色模式,线条厚度)

注意:会影响我们传入的原图像,记得定义一个临时图像传入进去

python 复制代码
import cv2

img = cv2.imread("test.png")
img = cv2.resize(img,(500,400))
# 转换为灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 阈值处理,让图像颜色只有2种颜色  提高准确性
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 进行轮廓处理
# cv2.findContours返回两个值
# contours 轮廓点(是个列表)
# hierarchy 层数(用不到)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
# 轮廓描边后会影响原图,所以我们定义一个临时的图片
temp_img = img.copy()
# 进行轮廓描边
# contours 获取到的轮廓点
# -1 表示的画出所有的轮廓,eg:0就表示我们列表中第一个轮廓
# (0, 0, 255) 表示我们用红色线条来绘画 bgr
# 2 表示线条粗细
res = cv2.drawContours(temp_img, contours, -1, (0, 0, 255), 2)

cv2.imshow("res",res)
cv2.waitKey()
cv2.destroyAllWindows()

结果:


加深理解

除了最基本的用法,我们还有很多扩充的用法

①比如我们可以获取我们的第一个轮廓,只展示第一个轮廓

python 复制代码
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
# 取出列表中第一个
con = contours[0]
# 绘制
res = cv2.drawContours(temp_img, con, -1, (0, 0, 255), 2)
# 展示
cv2.imshow("res",res)

我们可以看到,只出现了我们列表第一个的轮廓


②我们还可以用一个矩形把我们的轮廓给框出来

原图像:

实现代码:

python 复制代码
img = cv2.imread('contours.png')

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
binary, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
cnt = contours[0]

# 返回我们要绘制的矩形特征
x,y,w,h = cv2.boundingRect(cnt)
# 绘制矩形
img = cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
cv_show(img,'img')

x,y,w,h = cv2.boundingRect(cnt)

返回我们的x和y的坐标 以及宽和高
cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)

绘制我们的矩形

(x,y)表示我们的开始坐标

(x+w,y+h)表示我们的边

最后会自动把对边连接起来形成一个矩形

结果:


③计算轮廓的周长和面积

这个很简单,就是调用两个函数就能实现对应得功能

python 复制代码
cnt = contours[0]
#面积
cv2.contourArea(cnt)
#周长,True表示闭合的
cv2.arcLength(cnt,True)
相关推荐
仗剑_走天涯20 分钟前
基于pytorch.nn模块实现线性模型
人工智能·pytorch·python·深度学习
cnbestec1 小时前
协作机器人UR7e与UR12e:轻量化设计与高负载能力助力“小而美”智造升级
人工智能·机器人·协作机器人·ur协作机器人·ur7e·ur12e
zskj_zhyl1 小时前
毫米波雷达守护银发安全:七彩喜跌倒检测仪重构居家养老防线
人工智能·安全·重构
gaosushexiangji2 小时前
利用sCMOS科学相机测量激光散射强度
大数据·人工智能·数码相机·计算机视觉
ai小鬼头3 小时前
AIStarter新版重磅来袭!永久订阅限时福利抢先看
人工智能·开源·github
说私域4 小时前
从品牌附庸到自我表达:定制开发开源AI智能名片S2B2C商城小程序赋能下的营销变革
人工智能·小程序
飞哥数智坊5 小时前
新版定价不够用,Cursor如何退回旧版定价
人工智能·cursor
12点一刻5 小时前
搭建自动化工作流:探寻解放双手的有效方案(2)
运维·人工智能·自动化·deepseek
未来之窗软件服务5 小时前
东方仙盟AI数据中间件使用教程:开启数据交互与自动化应用新时代——仙盟创梦IDE
运维·人工智能·自动化·仙盟创梦ide·东方仙盟·阿雪技术观
JNU freshman6 小时前
计算机视觉速成 之 概述
人工智能·计算机视觉