opencv 实战案例（一）

最新推荐文章于 2024-05-17 10:10:24 发布

訢詡

最新推荐文章于 2024-05-17 10:10:24 发布

阅读量5.4k

点赞数 8

分类专栏： OpenCV实战文章标签： python opencv 计算机视觉

本文链接：https://blog.csdn.net/Andrwin/article/details/105276680

版权

本文介绍了使用OpenCV Python进行图像处理的多个实战案例，包括Canny算子检测图像轮廓、发现轮廓、概率霍夫变换检测直线、点集直线拟合、形态学操作提取直线、连续区域提取以及自动切边等任务，适用于车道线检测、物体识别等场景。

摘要由CSDN通过智能技术生成

代码基于：opencv-python (3.4.0.12)

1. 用 Canny 算子检测图像轮廓

介绍：使用 Canny 算子，需要指定两个阈值，基于两个阈值获得二值分布图的策略（滞后阈值化）。在低阈值边缘分布图上值保留具有连续路径的边缘点，同时把那些边缘点连接到属于高阈值边缘分布图的边缘上，高阈值的边缘点被保留下来，低阈值分布图上的孤立点全部被移除。

import cv2
from PIL import Image
def canny_test():
    raw_ = cv2.imread("1.jpg")
    raw = cv2.cvtColor(raw_,cv2.COLOR_BGR2RGB)
    raw_gray = cv2.cvtColor(raw,cv2.COLOR_RGB2GRAY)
    edges = cv2.Canny(raw_gray,125,350)
    image1 = Image.fromarray(raw.astype('uint8')).convert('RGB')
    display(image1)
    image2 = Image.fromarray(edges.astype('uint8')).convert('RGB')
    display(image2)
canny_test()

2. 发现轮廓

介绍：是基于图像边缘提取基础寻找对象轮廓的方法，边缘提取的阈值选定会影响最终轮廓发现结果。

步骤： - 输入图像转为灰度图像 - 使用 Canny 进行边缘提取，得到二值图像 - 使用 findContours 寻找轮廓 - 使用 drawContours 绘制轮廓

import cv2
from PIL import Image
import numpy as np
def findContours_test():
    raw_ = cv2.imread("2.jpg")
    image1 = Image.fromarray(raw_.astype('uint8')).convert('RGB')
    display(image1)
    raw_gray = cv2.cvtColor(raw_ ,cv2.COLOR_BGR2GRAY)
    #全部发现的轮廓对象，该图的拓扑结构
    edges = cv2.Canny(raw_gray,100,200,apertureSize=3)
    image2 = Image.fromarray(edges.astype('uint8')).convert('RGB')
    display(image2)
    _,counts,hierarchy = cv2.findContours(edges,  #输入图像
                                        cv2.RETR_TREE, #轮廓返回模式
                                        cv2.CHAIN_APPROX_NONE) #发现方法
    cv2.drawContours(raw_, #一个三通道图像
                 counts, #全部发现的轮廓
                 -1,    #轮廓索引号 -1就是绘制所有轮廓
                 (255,0,0),  #轮廓颜色
                 1)      #宽度
    image3 = Image.fromarray(raw_.astype('uint8')).convert('RGB')
    display(image3)
findContours_test()