OpenCV基于Python轮廓面积筛选

轮廓面积筛选

目标

通过本篇文章的学习,你将会学习到对不同轮廓图案按照设置的面积条件进行筛选,获取满足面积条件的轮廓图案。

下面用一个示例图像筛选出轮廓面积超过平均面积的轮廓,待处理图像如下图所示:
示例图像
处理程序代码:

import numpy as np
import cv2 as cv

# 加载图片
img = cv.imread('Contour area screening.png')
# 灰度化
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 二值化
ret, thresh = cv.threshold(img_gray, 127, 255, cv.THRESH_BINARY)
# 寻找轮廓
image, contours, hi
  • 10
    点赞
  • 73
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
OpenCV中进行面积筛选的方法有多种。根据引用\[1\]中的示例代码,可以通过以下步骤进行面积筛选: 1. 加载图像并进行灰度化和二值化处理。 2. 使用`cv.findContours`函数找到图像中的轮廓。 3. 计算每个轮廓面积,并将其存储在一个列表中。 4. 计算轮廓的平均面积。 5. 遍历轮廓列表,筛选面积大于平均面积轮廓。 6. 使用`cv.drawContours`函数绘制筛选后的轮廓。 根据引用\[3\]中的示例代码,还可以使用迭代器来筛选面积小于指定阈值的轮廓。 请注意,以上方法仅为示例,具体的实现可能会根据实际需求和代码结构有所不同。 #### 引用[.reference_title] - *1* [OpenCV基于Python轮廓面积筛选](https://blog.csdn.net/DIPDWC/article/details/112341290)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [opencv绘制图形轮廓筛选面积操作](https://blog.csdn.net/hhy018/article/details/83537331)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值