图像轮廓检测与绘制:OpenCV 实战指南

目录

[1. 什么是轮廓?](#1. 什么是轮廓?)

[2. 寻找轮廓](#2. 寻找轮廓)

[2.1 图像预处理](#2.1 图像预处理)

[2.2 cv2.findContours() 函数](#2.2 cv2.findContours() 函数)

[2.3 示例代码](#2.3 示例代码)

[2.4 效果](#2.4 效果)

[3. 绘制轮廓](#3. 绘制轮廓)

示例代码

效果

[4. 实际应用](#4. 实际应用)

总结


在图像处理和计算机视觉中,轮廓检测是一种非常重要的技术。轮廓可以被看作是物体的边界,通过检测轮廓,我们可以提取物体的形状信息,进而实现目标识别、分割等任务。本文将详细介绍如何使用 OpenCV 进行图像轮廓的检测和绘制。

1. 什么是轮廓?

轮廓是一系列相连的点组成的曲线,它代表了物体的基本外形。与边缘不同,轮廓是连续的,而边缘可能并不连续。轮廓主要用于分析物体的形态,例如计算物体的周长和面积等。简单来说,轮廓可以帮助我们更好地理解图像中物体的形状。

2. 寻找轮廓

在 OpenCV 中,我们使用 cv2.findContours() 函数来寻找轮廓。这个函数的原理比较复杂,但我们可以简单理解为它会遍历图像中的像素,找到边界点并将它们连接起来形成轮廓。

2.1 图像预处理

在寻找轮廓之前,我们需要对图像进行预处理,包括灰度化和二值化。这是因为轮廓检测需要在二值图像上进行,这样可以更清晰地识别边界。

python 复制代码
import cv2

# 读取图像
img = cv2.imread('./opencv_work/src/num.png')

# 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 进行二值化处理
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)

2.2 cv2.findContours() 函数

cv2.findContours() 函数的原型如下:

python 复制代码
contours, hierarchy = cv2.findContours(image, mode, method)
  • image:输入的二值化图像。

  • mode:轮廓的检索模式,常用的有:

    • cv2.RETR_EXTERNAL:只检测最外层的轮廓。

    • cv2.RETR_LIST:检测所有轮廓,但不建立轮廓之间的层次关系。

    • cv2.RETR_TREE:检测所有轮廓,并建立轮廓之间的层次关系。

  • method:轮廓的表示方法,常用的有:

    • cv2.CHAIN_APPROX_SIMPLE:只存储轮廓的顶点信息,减少冗余点。

    • cv2.CHAIN_APPROX_NONE:存储所有轮廓点。

2.3 示例代码

python 复制代码
import cv2

# 读取图像
img = cv2.imread('./opencv_work/src/num.png')

# 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 进行二值化处理
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)

# 寻找轮廓
contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 打印轮廓数量
print(f"Number of contours found: {len(contours)}")

# 绘制轮廓
cv2.drawContours(img, contours, -1, (0, 255, 0), 2)

# 显示结果
cv2.imshow('Original Image', img)
cv2.imshow('Binary Image', binary)
cv2.waitKey(0)
cv2.destroyAllWindows()

2.4 效果

运行上述代码后,我们可以在原始图像上看到检测到的轮廓。cv2.findContours() 函数会返回轮廓的坐标列表,我们可以通过 cv2.drawContours() 函数将这些轮廓绘制出来。

3. 绘制轮廓

找到轮廓后,我们可以使用 cv2.drawContours() 函数将轮廓绘制到图像上。这个函数的原型如下:

python 复制代码
cv2.drawContours(image, contours, contourIdx, color, thickness)
  • image:要绘制轮廓的目标图像。

  • contours:轮廓列表。

  • contourIdx :要绘制的轮廓索引。如果设为 -1,则绘制所有轮廓。

  • color:轮廓的颜色,BGR 格式。

  • thickness:轮廓的线宽,如果是负数,则填充轮廓内的区域。

示例代码

python 复制代码
import cv2

# 读取图像
img = cv2.imread('./opencv_work/src/num.png')

# 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 进行二值化处理
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)

# 寻找轮廓
contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 绘制轮廓
cv2.drawContours(img, contours, -1, (0, 255, 0), 2)

# 显示结果
cv2.imshow('Original Image', img)
cv2.imshow('Binary Image', binary)
cv2.waitKey(0)
cv2.destroyAllWindows()

效果

运行上述代码后,我们可以在原始图像上看到绿色的轮廓。这些轮廓清晰地勾勒出了图像中物体的形状。

4. 实际应用

轮廓检测在许多实际应用中都非常有用,例如:

  • 目标识别:通过轮廓可以识别出图像中的物体。

  • 图像分割:将图像中的物体与背景分离。

  • 形状分析:计算物体的周长、面积等特征。

总结

本文介绍了如何使用 OpenCV 进行图像轮廓的检测和绘制。通过灰度化、二值化和轮廓检测,我们可以提取图像中物体的形状信息,并通过绘制轮廓将其可视化。希望本文对你有所帮助!如果你有任何问题或需要进一步的解释,请随时留言。

相关推荐
AI视觉网奇3 小时前
rknn yolo11 推理
前端·人工智能·python
AI数据皮皮侠4 小时前
中国各省森林覆盖率等数据(2000-2023年)
大数据·人工智能·python·深度学习·机器学习
西柚小萌新5 小时前
【深入浅出PyTorch】--3.1.PyTorch组成模块1
人工智能·pytorch·python
鑫宝的学习笔记7 小时前
Vmware虚拟机联网问题,显示:线缆已拔出!!!
人工智能·ubuntu
小李独爱秋7 小时前
机器学习中的聚类理论与K-means算法详解
人工智能·算法·机器学习·支持向量机·kmeans·聚类
comli_cn7 小时前
GSPO论文阅读
论文阅读·人工智能
大有数据可视化8 小时前
数字孪生背后的大数据技术:时序数据库为何是关键?
大数据·数据库·人工智能
Bioinfo Guy8 小时前
Genome Med|RAG-HPO做表型注释:学习一下大语言模型怎么作为发文思路
人工智能·大语言模型·多组学
张较瘦_8 小时前
[论文阅读] AI + 软件工程(Debug)| 告别 “猜 bug”:TreeMind 用 LLM+MCTS 破解 Android 不完整报告复现难题
论文阅读·人工智能·bug
深栈8 小时前
机器学习:线性回归
人工智能·pytorch·python·机器学习·线性回归·sklearn