vs python opencv学习笔记（2）---实例

实例简介:通过opencv识别一张已经去好皮菠萝的刺点，并且标出其外轮廓、外接圆和质心。

####导入python所需要的库####

import numpy as np
import cv2

###导入图片###

img = cv2.imread('5.jpg',cv2.IMREAD_GRAYSCALE) #读取5.jpg图像 将图片放在工程文件夹下，或者输入绝对路径0 cv2.IMREAD_GRAYSCALE 表示灰度图，1 cv2.IMREAD_COLOR 表示彩色图
cv2.namedWindow('image', cv2.WINDOW_NORMAL) #调整窗口大小 最后imshow的时候需要标签一致

输入的菠萝图片

###Otsu's 二值化###

blur = cv2.GaussianBlur(img,(5,5),0) #（5，5）为高斯核的大小，0为标准差  去除噪音
ret,thresh = cv2.threshold(blur,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU) 

threshold函数-参数说明

最优阈值，阈值后图像=threshold（原图像，阈值，被赋予的新像素值，阈值方法）

###开运算 去除外部噪声###

kernel = np.ones((5,5),np.uint8) #选取5*5的核
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel) 

###闭运算 去除内部噪声（填充内部）###

closing = cv2.morphologyEx(opening, cv2.MORPH_CLOSE, kernel)

##轮廓检测###

contours,hierarchy = cv2.findContours(closing,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)# 返回参数：坐标、层次
draw_img=cv2.merge((closing.copy(),closing.copy(),closing.copy())) #copy灰度图，变成三通道，才能使用彩色线
img = cv2.drawContours(draw_img, contours, -1, (255,0,0), 1) #用蓝色 将所有轮廓标出（包括外轮廓）

参数说明

返回轮廓坐标参数，层次=findContours（原图像，轮廓检索模式，轮廓方法）

###计算每个轮廓的质心###

for i in range(len(contours)):
    cnt = contours[i]#刺部分 坐标值arr 赋值给cnt
    area = cv2.contourArea(cnt)# 面积
    perimeter = cv2.arcLength(cnt,True)# 周长
    #print(perimeter)
    if 10<area<1000 and perimeter<800:  #面积和周长的限制
        M = cv2.moments(cnt)
        cx = int(M['m10']/M['m00'])
        cy = int(M['m01']/M['m00'])
        print('zhixin',cx,cy)
        print('mianji',area)
        cv2.line(img,(cx,cy),(cx+1,cy+1),(0,0,255),3) 
        img2 = cv2.drawContours(img, contours, i, (0,255,0), 2) #用绿色 把内部的菠萝刺 标出来  i  !!!!

        (x,y),radius = cv2.minEnclosingCircle(cnt)
        center = (int(x),int(y))
        radius = int(radius)
        img = cv2.circle(img,center,radius,(255,0,0),1) #用蓝色 把内部的萝卜刺 外接圆标出来

###显示图片###

cv2.imshow('image',img)  #显示图片
cv2.waitKey(0)  #等待退出
cv2.destroyallwindows() #关闭所有窗口

输出效果

 

所有代码

import numpy as np
import cv2
  
##导入图片###
img = cv2.imread('5.jpg',cv2.IMREAD_GRAYSCALE) #读取1.jpg图像  0 cv2.IMREAD_GRAYSCALE 表示灰度图，1 cv2.IMREAD_COLOR 表示彩色图
cv2.namedWindow('image', cv2.WINDOW_NORMAL) #调整窗口大小

###Otsu's 二值化###
blur = cv2.GaussianBlur(img,(5,5),0) # 阈值一定要为0
ret,thresh = cv2.threshold(blur,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)

##开运算 去除外部噪声
kernel = np.ones((5,5),np.uint8)
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel) 
##闭运算 去除内部噪声（填充内部）
closing = cv2.morphologyEx(opening, cv2.MORPH_CLOSE, kernel)
##轮廓检测
contours,hierarchy = cv2.findContours(closing,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)# 返回参数：坐标、层次
#print(hierarchy) hierarchy[next,previous,child,father]
draw_img=cv2.merge((closing.copy(),closing.copy(),closing.copy())) #copy灰度图，变成三通道，才能使用彩色线
img = cv2.drawContours(draw_img, contours, -1, (255,0,0), 1) #用蓝色 将所有轮廓标出（包括外轮廓）

#contours,hierarchy = cv2.findContours(opening,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
#draw_img=cv2.merge((opening.copy(),opening.copy(),opening.copy())) #copy灰度图，变成三通道，才能使用彩色线


##计算每个轮廓的质心
for i in range(len(contours)):
    cnt = contours[i]#刺部分 坐标值arr 赋值给cnt
    area = cv2.contourArea(cnt)# 面积
    perimeter = cv2.arcLength(cnt,True)# 周长
    if 10<area<1000 and perimeter<800:  #面积和周长的限制
        M = cv2.moments(cnt)
        cx = int(M['m10']/M['m00'])
        cy = int(M['m01']/M['m00'])
        print('zhixin',cx,cy)
        print('mianji',area)
        cv2.line(img,(cx,cy),(cx+1,cy+1),(0,0,255),3) 
        img2 = cv2.drawContours(img, contours, i, (0,255,0), 2) #用绿色 把内部的菠萝刺 标出来  i  !!!!
        (x,y),radius = cv2.minEnclosingCircle(cnt)
        center = (int(x),int(y))
        radius = int(radius)
        img = cv2.circle(img,center,radius,(255,0,0),1) #用蓝色 把内部的萝卜刺 外接圆标出来


cv2.imshow('image',img)  #显示图片
cv2.waitKey(0)
cv2.destroyallwindows()