OpenCV-轮廓检测

文章目录

一、简介
- [1. 意义](#1. 意义)
- 2.具体步骤
二、代码实现
三、总结

一、简介

1. 意义

在OpenCV中，轮廓检测是图像处理中一个非常重要的环节，它允许我们识别图像中的形状。这个过程通常涉及几个步骤：读取图像、转换为灰度图、应用阈值处理（或边缘检测）以获取二值图像、然后使用cv2.findContours()函数查找轮廓。

2.具体步骤

图像预处理：首先，对原始图像进行预处理，以便更容易地检测轮廓。这通常包括转换为灰度图像、应用滤波器（如高斯模糊）以减少噪声，以及二值化图像以简化后续处理。
二值化：将灰度图像转换为二值图像，即图像中的每个像素都被设置为黑色或白色，这取决于其灰度值是否超过某个阈值。二值化是轮廓检测中的关键步骤，因为它简化了图像，使得轮廓更加清晰。
查找轮廓：使用OpenCV的cv2.findContours()函数在二值图像中查找轮廓。这个函数会返回图像中所有轮廓的列表以及轮廓的层次结构。
轮廓绘制：为了可视化或进一步处理，可以使用cv2.drawContours()函数在原始图像或另一个图像上绘制找到的轮廓。

二、代码实现

这段代码是对图片进行轮廓检测，通过读取图片，并转换为灰度图等一系列操作来对图片进行轮廓绘制，以下是代码详情与解释。

python 复制代码

import cv2  
  
# 读取图像  
phone = cv2.imread('sj.png')  
# 转换为灰度图  
phone_gray = cv2.cvtColor(phone, cv2.COLOR_BGR2GRAY)  
# 显示灰度图  
cv2.imshow('phone_gray', phone_gray)  
cv2.waitKey(0)  
  
# 应用阈值处理以进行二值化  
ret, phone_binary = cv2.threshold(phone_gray, 120, 255, cv2.THRESH_BINARY)  
# 显示二值化图像  
cv2.imshow('phone_binary', phone_binary)  
cv2.waitKey(0)  
  
# 寻找轮廓  
contours, hierarchy = cv2.findContours(phone_binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)  
# 打印层次结构和轮廓数量  
print(hierarchy)  
print(len(contours))  
  
# 轮廓绘制  
# 在原始图像上绘制轮廓  
image_copy = phone.copy()  
cv2.drawContours(image_copy, contours, -1, (0, 255, 0), 3)  
# 显示带有轮廓的图像  
cv2.imshow('Contours_show', image_copy)  
cv2.waitKey(0)  
  
# 销毁所有窗口  
cv2.destroyAllWindows()

读取图像：使用cv2.imread()函数读取名为sj.png的图像文件。
转换为灰度图：通过cv2.cvtColor()函数将图像从BGR颜色空间转换为灰度图像，因为轮廓检测通常在灰度图像上进行。
显示灰度图：使用cv2.imshow()函数显示灰度图像。
二值化：应用阈值处理将灰度图像转换为二值图像，其中所有像素值大于或等于120的都被设置为255（白色），其余都被设置为0（黑色）。
显示二值化图像：使用cv2.imshow()函数显示二值化后的图像。
寻找轮廓：使用cv2.findContours()函数在二值化图像中查找轮廓。该函数返回两个值：轮廓列表和轮廓的层次结构。
打印层次结构和轮廓数量：输出轮廓的层次结构和找到的轮廓数量。
轮廓绘制：在原始图像（或其副本）上绘制找到的轮廓。这里使用绿色（(0, 255, 0)）和线宽为3来绘制。
显示带有轮廓的图像：使用cv2.imshow()函数显示绘制了轮廓的图像。
销毁所有窗口：在程序结束时销毁所有OpenCV创建的窗口。

三、总结

在读取图像文件名，我们可以根据具体需求调整阈值处理和其他参数。此外，cv2.RETR_TREE是一个轮廓检索模式，它检索所有轮廓并创建完整的层次结构。根据我们的需求，可以选择其他检索模式，如cv2.RETR_EXTERNAL只检索最外层的轮廓。cv2.CHAIN_APPROX_SIMPLE是一个轮廓近似方法，它压缩水平、垂直和对角线段，只保留它们的端点。