图像识别,图片线条检测

python 复制代码
import cv2
import numpy as np
# 读取图片
img = cv2.imread('1.png')

# 灰度化
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 边缘检测
edges = cv2.Canny(gray, 100, 200) 
'''当某个像素点的梯度强度低于 threshold1 时,该像素点被认为是非边缘;当梯度强度高于 threshold2 时,该像素点被认为是边缘;
当梯度强度在 threshold1 和 threshold2 之间时,如果它连接到一个"确定的边缘"(即梯度强度大于 threshold2 的像素点),则它也被认为是边缘。
'''
# 寻找曲线
contours, hierarchy = cv2.findContours(edges,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE) #查找图像轮廓的函数,该函数能够查找图像内的轮廓信息

'''cv2.RETR_EXTERNAL:只检测外轮廓。
cv2.RETR_LIST:对检测到的轮廓不建立等级关系。
cv2.RETR_CCOMP:检索所有轮廓并将它们组织成两级层次结构。上面的一层为外边界,下面的一层为内孔的边界。如果内孔内还有一个连通物体,
那么这个物体的边界仍然位于顶层。
cv2.RETR_TREE:建立一个等级树结构的轮廓。'''

'''cv2.CHAIN_APPROX_NONE:存储所有的轮廓点,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,在极端的情况下,一个矩形只需要用 4 个点来保存轮廓信息。
cv2.CHAIN_APPROX_TC89_L1:使用 teh-Chinl chain 近似算法的一种风格。
cv2.CHAIN_APPROX_TC89_KCOS:使用 teh-Chinl chain 近似算法的一种风格。'''

#print(len(contours)) #获取轮廓的个数
# len(contours[0] #每个轮廓的点数
''''hierarchy:图像内的轮廓可能位于不同的位置。比如,一个轮廓在另一个轮廓的内部。在这种情况下,
我们将外部的轮廓称为父轮廓,内部的轮廓称为子轮廓。按照上述关系分类'''
# #创建白色幕布
temp = np.ones(edges.shape,np.uint8)*255


# # 绘制曲线
cv2.drawContours(temp, contours, -1, (0, 255, 0), 5)
#-1表示绘制所有轮廓
#(0, 255, 0)颜色
#如果指定正数,则表示绘制的轮廓线的厚度,-1表示填充轮廓,即将轮廓内部全部填充指定颜色。


# 为了保持颜色一致性,我们需要将temp从灰度图像转换回BGR颜色空间
temp_bgr = cv2.cvtColor(temp, cv2.COLOR_GRAY2BGR)

# 将原始图片和temp_bgr合并,保持颜色一致性
output_img = cv2.addWeighted(img, 1, temp_bgr, 1, 0)

#输出图片
output_path = 'output_image.png'
cv2.imwrite(output_path, output_img)

# # # 显示结果
cv2.imshow('Result', output_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

输入图片

输出图片受上传大小的影响无法上传。

相关推荐
千宇宙航4 小时前
闲庭信步使用图像验证平台加速FPGA的开发:第十四课——图像二值化的FPGA实现
图像处理·计算机视觉·fpga开发
橡晟4 小时前
深度学习入门:让神经网络变得“深不可测“⚡(二)
人工智能·python·深度学习·机器学习·计算机视觉
墨尘游子4 小时前
神经网络的层与块
人工智能·python·深度学习·机器学习
Leah01054 小时前
什么是神经网络,常用的神经网络,如何训练一个神经网络
人工智能·深度学习·神经网络·ai
PyAIExplorer4 小时前
图像亮度调整的简单实现
人工智能·计算机视觉
Striker_Eureka5 小时前
DiffDet4SAR——首次将扩散模型用于SAR图像目标检测,来自2024 GRSL(ESI高被引1%论文)
人工智能·目标检测
Rvelamen6 小时前
LLM-SECURITY-PROMPTS大模型提示词攻击测评基准
人工智能·python·安全
AI technophile6 小时前
OpenCV计算机视觉实战(15)——霍夫变换详解
人工智能·opencv·计算机视觉
JNU freshman7 小时前
计算机视觉 之 数字图像处理基础(一)
人工智能·计算机视觉
千宇宙航7 小时前
闲庭信步使用图像验证平台加速FPGA的开发:第十五课——基于sobel算子边缘检测的FPGA实现
图像处理·计算机视觉·fpga开发