当前位置:   article > 正文

[OpenCVlearning]轮廓检测_contours, hierarchy = cv2.findcontours

contours, hierarchy = cv2.findcontours

目录

# 图像轮廓## cv2.findConturs(img,mode,method)

 mode.轮廓检索模式:

method.轮廓逼近方法:

为了提高准确率,最好使用二值图像:

 绘制轮廓

#Summary

#轮廓计算

#轮廓近似


# 图像轮廓
## cv2.findConturs(img,mode,method)


 mode.轮廓检索模式:

 - RETR_EXTERNAL:只检索最外面的轮廓
 - RETR_LIST :检索所有的轮廓,并将其保存到一条链表当中
 - RETR_CCOMP: 检索所有的轮廓,并将他们组织为两层,顶层是各部分的外部边界,第二层是空洞的边界;
 - RETR_TREE:检索所有的轮廓,并重构嵌套轮廓的整个层次
 

method.轮廓逼近方法:

 CHAIN_APPROX_NONE : 以Freeman链码的方式输出轮廓,所有其他方法输出多边形(顶点的序列)
 CHAIN_APPROX_SIMPLE: 压缩水平的、垂直的、和斜的部分,函数只保留他们的重点部分

为了提高准确率,最好使用二值图像:

步骤:

  1. 读取图像数值
  2. 灰度化
  3. 二值化操作

原图:(还是可爱的小猫猫猫猫猫猫貓)

 图像预处理:

  1. import cv2
  2. import matplotlib.pyplot as plt
  3. import numpy as np
  4. %matplotlib inline
  5. img = cv2.imread('cat1.jpg')
  6. gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
  7. ret,thresh = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
  8. cv_show(thresh,'thresh')
  9. ## 图像处理预处理过程

获得二值化图像:

  1. contours,hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
  2. # 原图,轮廓信息

 绘制轮廓

  1. #传入绘制图像,轮廓,轮廓索引,颜色模式,线条厚度
  2. #注意需要使用copy 不要改变原图
  3. draw_img = img.copy()
  4. res = cv2.drawContours(draw_img,contours,-1,(0,0.255),2)
  5. cv_show(res,'res')

那么我关注到,在drawContours的参数中,第三个参数-1,代表了轮廓的位置,-1代表把所有的轮廓全输出,而不同的数值,代表不同的位置,下面可以参见栗子:

原图(已完成预处理):

参数为-1时:

参数为0时:

 参数为1:

 

参数为2:

 

  而最后一个参数,就为轮廓的粗细

#Summary

综上所述,就可以得出,轮廓检测的过程为:

  1. import cv2
  2. import matplotlib.pyplot as plt
  3. import numpy as np
  4. %matplotlib inline
  5. im = cv2.imread('dot.jpg')
  6. img=cv2.resize(im,(0,0),fx=0.5,fy=0.5)
  7. gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
  8. ret,thresh = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
  9. cv_show(thresh,'thresh')
  10. ## 图像处理预处理过程
  11. contours,hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
  12. # 原图,轮廓信息
  13. #传入绘制图像,轮廓,轮廓索引,颜色模式,线条厚度
  14. #注意需要使用copy 不要改变原图(保留原图进行后续测试)
  15. draw_img = img.copy()
  16. res = cv2.drawContours(draw_img,contours,-1,(0,0,255),2)
  17. cv_show(res,'res')

#轮廓计算

  1. cnt=contours[0]
  2. #面积
  3. cv2.contourArea(cnt)
  4. #周长,True表示闭合
  5. cv2.arcLength(cnt,True)

#轮廓近似

  1. epsilon = 0.1*cv2.arcLength(cnt,True)
  2. approx = cv2.approxPolyDP(cnt,epsilon,True)
  3. draw_img=img.copy()
  4. res = cv2.drawContours(draw_img,[approx],-1,(0,0,255),2)
  5. cv_show(res,'res')

 通过改变contours[]中的参数选择不同的轮廓就可以实现选择的效果

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/寸_铁/article/detail/774682
推荐阅读
相关标签
  

闽ICP备14008679号