《深度学习》OpenCV轮廓检测 轮廓近似 解析及实现

目录

一、轮廓近似

1、什么是轮廓近似

2、参数解析

1)用法

2)参数

3)返回值

4)代码解析及实现

运行结果为:

二、总结

1、概念

2、轮廓近似的步骤:


一、轮廓近似

1、什么是轮廓近似

指对轮廓进行逼近或拟合 ,得到近似的轮廓。在图像处理中,轮廓表示了图像中物体的边界 ,因此轮廓近似可以用来描述和识别物体的形状

2、参数解析

1)用法
python 复制代码
import cv2
approx =cv2.approxPolyDP(curve,epsilon, closed)
2)参数

• curve: 表示要输入的轮廓

• epsilon: 表示近似的精度 ,即两个轮廓之间最大欧氏距离 ,该参数越小 ,得到的近似结果越接近实际轮廓,反之得到的近似结果会更加粗糙

**• closed:**表示布尔类型的参数,表示是否封闭轮廓,如果是True,表示输入的轮廓是封闭的,近似结果也会是封闭的,否则表示输入的轮廓不是封闭的,近似结果也不会封闭

3)返回值

approx: 表示近似结果,是一个ndarray数组 ,为一个近似后的轮廓,包含了被近似出来的轮上的点的坐标

4)代码解析及实现
python 复制代码
import cv2
img = cv2.imread('phone.png')  # 导入原图
phone_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  # 原图转换为灰度图
ret,phone_thresh = cv2.threshold(phone_gray,100,25,cv2.THRESH_BINARY)  # 二值化,将大于100灰度值的像素更改为0,小于100像素值的更改为25
# 返回值ret为阈值,phone_thresh为二值化后的图像

image, contours, hierarchy = cv2.findContours(phone_thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)  # 将二值化后的图像进行获取轮廓处理
# 轮廓检测方式为cv2.RETR_TREE,返回所有轮廓及完整层次结构,CV2.CHAIN_APPROX_NONE为存储所有的轮廓点

epsilon = 0.001 * cv2.arcLength(contours[0],True)  # 设置近似值,计算轮廓为contours[0]的周长,参数true表示轮廓为封闭的,0.001表示精度,计算的结果越小,近似的精度越高
approx = cv2.approxPolyDP(contours[0],epsilon,True)  # 对轮廓进行近似,轮廓号为contours[0],近似的精度为epsilon,封闭轮廓
phone_new = img.copy()  # 对原图生成一个副本


image_contours = cv2.drawContours(phone_new, [approx],contourIdx=-1,color=(0,255,0),thickness=3)  # 在副本图像上进行绘制轮廓,[approx]表示要回值得轮廓,contourIdx=-1表示绘制所有的轮廓
cv2.imshow('phone',img)   # 展示原图
cv2.waitKey(0)
cv2.imshow('image_contours',image_contours)   # 展示绘制轮廓的近似图像
cv2.waitKey(0)
运行结果为:

前者为原图,后者为在原图副本上进行绘制轮廓

二、总结

1、概念

轮廓检测是指从图像中提取出对象的边界。它基于图像的边缘信息,通过对图像进行二值化处理,找到图像中的连通区域,然后提取出每个连通区域的边界轮廓。

轮廓近似是指对提取出的轮廓进行简化,以减少轮廓点的数量。这在某些情况下很有用,比如当我们只关心轮廓的形状而不关心细节时,可以用较少的点来表示轮廓,从而减少计算量。

OpenCV提供了多种轮廓近似的方法,包括Douglas-Peucker算法和Ramer-Douglas-Peucker算法。这些算法都是基于分治的思想,通过递归地将曲线分割为多个小段,并将每个小段用直线段来近似表示。

2、轮廓近似的步骤:

  1. 首先,需要通过轮廓检测得到对象的轮廓。
  2. 然后,使用OpenCV的approxPolyDP函数对轮廓进行近似。
  3. approxPolyDP函数需要传入多个参数,其中最重要的是epsilon参数,它控制了近似的精度。较大的epsilon值会得到较少的点,较小的epsilon值会得到更多的点。
  4. 最后,可以通过绘制轮廓的近似结果来观察近似的效果。

总的来说,OpenCV的轮廓检测和轮廓近似功能可以帮助我们提取图像中对象的边界,并对边界进行简化表示。这对于图像分析、物体识别和计算机视觉任务等方面都非常有用。

相关推荐
l12345sy几秒前
Day31_【 NLP _1.文本预处理 _(3)文本数据分析】
人工智能·自然语言处理·数据分析
精灵vector10 分钟前
构建自定义AI客户支持助手——LangGraph 中断机制
人工智能·python
算家计算10 分钟前
DeepSeek发布新模型!采用全新稀疏注意力架构设计,与国产芯片协同优化
人工智能·开源·deepseek
大囚长22 分钟前
从AI角度深入解析和论述哲学的终极答案‘语言即世界‘
人工智能·搜索引擎
北京地铁1号线1 小时前
机器学习笔试选择题:题组2
人工智能·算法·机器学习
算家云1 小时前
OpenAI秘密测试ChatGPT安全路由,情感对话触发GPT-5严格审查
人工智能·chatgpt·算家云·openai秘密测试安全路由·算家计算·租算力,就到算家云
新加坡内哥谈技术1 小时前
OpenAI近日推出了一项名为 ChatGPT Pulse 的全新功能
人工智能·chatgpt
hunteritself1 小时前
DeepSeek V3.1-Terminus、阿里 Qwen3-Max、ChatGPT Pulse 同周登场!| AI Weekly 9.22-9.28
人工智能·ios·chatgpt·语音识别·iphone
ai_xiaogui1 小时前
ChatGPT开源模型发布!部署20B/120B AI模型实战指南
人工智能·chatgpt·20b 120b模型部署教程·本地部署chatgpt模型实战·高性能加速开源ai模型开发·开源模型windows配置方法
春末的南方城市1 小时前
阿里开源视频修复方法Vivid-VR:以独特策略与架构革新,引领生成视频修复高质量可控新时代。
人工智能·深度学习·机器学习·计算机视觉·aigc