OpenCV--图形轮廓

图形轮廓

图像轮廓

python 复制代码
import cv2
import numpy as np

"""
图形轮廓--具有相同颜色或灰度的连续点的曲线
用于图形分析和物体的识别和检测
注意:为了检测的准确性,必须对图像进行二值化或canny操作
画轮廓时会修改原图像,记得存储
"""

img = cv2.imread('./img/cat.jpeg')

查找轮廓

python 复制代码
"""
查找轮廓
"""
# 先变成单通道的黑白图片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化
thresh, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)

# 查找轮廓 cv2.RETR_TREE查找轮廓的模式,一般用这个(树形)
# CHAIN_APPROX_SIMPLE 只保存角点,CHAIN_APPROX_NONE 保存轮廓所有的点
# contours里面放的是list,list里面放的ndarray,每个ndarray表示一个contours
# contours, hierarchy:轮廓和层级
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

绘制轮廓

python 复制代码
"""
绘制轮廓
画轮廓时会修改原图像,记得存储
轮廓编号要根据实际情况改
"""
# 画轮廓直接使用原始彩色图像
# contours轮廓点, -1:轮廓编号,-1表示绘制所有轮廓
# (0, 0, 255)颜色, 2线宽如果是-1,表示全部填充
img_copy = img.copy()
cv2.drawContours(img_copy, contours, -1, (0, 0, 255), 2)
cv2.imshow('img_copy', img_copy)

计算轮廓的面积和周长

python 复制代码
"""
计算轮廓的面积和周长
"""
# 面积 第一个轮廓的面积
area = cv2.contourArea(contours[1])
# 周长 closed=True是否封闭
perimeter = cv2.arcLength(contours[1], closed=True)

多边形逼近与凸包

python 复制代码
"""
多边形逼近:findContours找到的轮廓信息可能过于复杂且不平滑,对轮廓做近似处理
"""
# approx本质上是一个轮廓数据  20为DP(Douglas------Peucker)算法的阈值
approx = cv2.approxPolyDP(contours[0], 20, closed=True)
# 绘制逼近的轮廓
# 注意:[approx]传的是列表
# 轮廓编号要根据实际情况改
cv2.drawContours(img_copy, [approx], 0, (0, 255, 0), 2)

"""
凸包:与多边形逼近,只不过是物体最外层的凸多边形,包含原有轮廓,但仅由轮廓上的点构成的多边形--一种简化
"""
# 计算凸包
hull = cv2.convexHull(contours[0])
# 画出凸包 轮廓编号要根据实际情况改
cv2.drawContours(img_copy, [hull], 0, (255, 0, 0), 2)

外接矩形

python 复制代码
"""
外接矩形--轮廓的最小和最大外接矩形
"""
# 最小外接矩形
# 返回的是一个旋转的矩形,包括:矩形的起始坐标(x, y),矩形的长宽,矩形旋转的角度
# 轮廓编号要根据实际情况改
rect = cv2.minAreaRect(contours[1])
# 画出外接矩形 boxPoints专门绘制旋转矩形
# 返回的是矩形四个点的坐标
box = cv2.boxPoints(rect)
# 绘制最小外接
# 注意:坐标必须是整数才能绘制 np.int0(box)截取整数,但是误差
# 四舍五入:np.round(box),此时还有小数点没有去除 astype('int64')解决
box = np.round(box).astype('int64')
cv2.drawContours(img_copy, [box], 0, (255, 0, 0), 2)

# 最大外接矩形(不会旋转) 返回:矩形的起始坐标(x, y),矩形的长宽
x, y, w, h = cv2.boundingRect(contours[1])
# 绘制最大外接矩形
cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)

cv2.waitKey(0)
cv2.destroyAllWindows()
相关推荐
程序小旭7 分钟前
机器视觉基础—双目相机
计算机视觉·双目相机
qzhqbb37 分钟前
基于统计方法的语言模型
人工智能·语言模型·easyui
冷眼看人间恩怨1 小时前
【话题讨论】AI大模型重塑软件开发:定义、应用、优势与挑战
人工智能·ai编程·软件开发
2401_883041081 小时前
新锐品牌电商代运营公司都有哪些?
大数据·人工智能
AI极客菌2 小时前
Controlnet作者新作IC-light V2:基于FLUX训练,支持处理风格化图像,细节远高于SD1.5。
人工智能·计算机视觉·ai作画·stable diffusion·aigc·flux·人工智能作画
阿_旭2 小时前
一文读懂| 自注意力与交叉注意力机制在计算机视觉中作用与基本原理
人工智能·深度学习·计算机视觉·cross-attention·self-attention
王哈哈^_^2 小时前
【数据集】【YOLO】【目标检测】交通事故识别数据集 8939 张,YOLO道路事故目标检测实战训练教程!
前端·人工智能·深度学习·yolo·目标检测·计算机视觉·pyqt
Power20246663 小时前
NLP论文速读|LongReward:基于AI反馈来提升长上下文大语言模型
人工智能·深度学习·机器学习·自然语言处理·nlp
数据猎手小k3 小时前
AIDOVECL数据集:包含超过15000张AI生成的车辆图像数据集,目的解决旨在解决眼水平分类和定位问题。
人工智能·分类·数据挖掘
好奇龙猫3 小时前
【学习AI-相关路程-mnist手写数字分类-win-硬件:windows-自我学习AI-实验步骤-全连接神经网络(BPnetwork)-操作流程(3) 】
人工智能·算法