opencv的findContours()函数

来自WaTab AI Pro

请详细解释cv2.findContours():

cv2.findContours() 是 OpenCV 中用于检测图像轮廓的函数。轮廓可以看作是将连续的点(沿边界)连接在一起的一条曲线,具有相同的颜色或强度。该函数常用于图像处理和计算机视觉中的对象检测和识别。下面是 cv2.findContours() 的详细解释及其用法。

函数原型

复制代码
contours, hierarchy = cv2.findContours(image, mode, method[, contours[, hierarchy[, offset]]])

参数解释

  • image : 输入图像,必须是二值图像(通常使用 cv2.threshold()cv2.Canny() 进行二值化处理)。注意,cv2.findContours() 会修改输入图像。

  • mode: 轮廓检索模式。常用的模式有:

    • cv2.RETR_EXTERNAL:只检测外部轮廓。
    • cv2.RETR_LIST:检测所有轮廓,并将其放入列表中,但不创建轮廓间的层级关系。
    • cv2.RETR_CCOMP:检测所有轮廓并将它们组织成两级层次结构:顶层是外部边界,二级是空洞的边界。
    • cv2.RETR_TREE:检测所有轮廓并重构嵌套轮廓的完整层级。
  • method: 轮廓近似方法。常用的有:

    • cv2.CHAIN_APPROX_NONE:存储所有轮廓点,相邻两个点的像素位置差不超过1。
    • cv2.CHAIN_APPROX_SIMPLE:压缩水平、垂直和对角方向的元素,只保留端点,这样可以节省内存。
  • contours: 输出参数,轮廓的点集列表。

  • hierarchy: 输出参数,轮廓的层级结构。

返回值

  • contours: 一个 Python 列表,其中每个元素都是图像中的一个轮廓。每个轮廓本身又是一个点集。
  • hierarchy: 一个 Numpy 数组,轮廓的层级信息。

示例代码

以下是一个使用 cv2.findContours() 检测图像轮廓的示例代码:

复制代码
import cv2
import numpy as np
import matplotlib.pyplot as plt

# 读取图像
image = cv2.imread('path/to/your/image.jpg', cv2.IMREAD_GRAYSCALE)

# 二值化图像
ret, binary_image = cv2.threshold(image, 127, 255, cv2.THRESH_BINARY)

# 查找轮廓
contours, hierarchy = cv2.findContours(binary_image, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 在原图上绘制轮廓
contour_image = cv2.cvtColor(image, cv2.COLOR_GRAY2BGR)
cv2.drawContours(contour_image, contours, -1, (0, 255, 0), 2)

# 显示结果
plt.figure(figsize=(10, 5))
plt.subplot(1, 2, 1)
plt.title('Binary Image')
plt.imshow(binary_image, cmap='gray')

plt.subplot(1, 2, 2)
plt.title('Contours')
plt.imshow(contour_image)
plt.show()

代码解释

  1. 读取图像 :使用 cv2.imread() 读取图像,并以灰度模式读取。
  2. 二值化图像 :使用 cv2.threshold() 对图像进行二值化处理,生成二值图像。
  3. 查找轮廓 :使用 cv2.findContours() 查找二值图像中的轮廓,选择 cv2.RETR_TREE 模式和 cv2.CHAIN_APPROX_SIMPLE 方法。
  4. 绘制轮廓 :使用 cv2.drawContours() 在原始图像上绘制找到的轮廓,绿色表示轮廓。
  5. 显示结果:使用 Matplotlib 显示二值图像和绘制了轮廓的图像。

这样,通过这段代码,你可以检测并可视化图像中的轮廓。

相关推荐
CoovallyAIHub28 分钟前
YOLO模型优化全攻略:从“准”到“快”,全靠这些招!
深度学习·算法·计算机视觉
机器之心1 小时前
刚刚,苹果基础模型团队负责人庞若鸣被Meta挖走!加入超级智能团队、年薪千万美元
人工智能
G.E.N.2 小时前
开源!RAG竞技场(2):标准RAG算法
大数据·人工智能·深度学习·神经网络·算法·llm·rag
西西弗Sisyphus2 小时前
如果让计算机理解人类语言- Word2Vec(Word to Vector,2013)
人工智能·word·word2vec
前端双越老师2 小时前
30 行代码 langChain.js 开发你的第一个 Agent
人工智能·node.js·agent
东坡肘子2 小时前
高温与奇怪的天象 | 肘子的 Swift 周报 #092
人工智能·swiftui·swift
KaneLogger3 小时前
视频转文字,别再反复拖进度条了
前端·javascript·人工智能
度假的小鱼3 小时前
从 “人工编码“ 到 “AI 协同“:大模型如何重塑软件开发的效率与范式
人工智能
zm-v-159304339864 小时前
ArcGIS 水文分析升级:基于深度学习的流域洪水演进过程模拟
人工智能·深度学习·arcgis