python + opencv图像处理——轮廓发现

轮廓发现
使基于图像边缘提取的基础寻找对象轮廓的方法，所以便于提取的阈值选定会影响最终轮廓发现的结果
API介绍：
findContours 发现轮廓
drawContours 绘制轮廓

from matplotlib import pyplot as plt 
from cv2 import cv2 as cv
import numpy as np 

# canny边缘提取
def edge_demo(image):
    blurred = cv.GaussianBlur(image,(3,3),0)  # 高斯降噪，适度
    gray = cv.cvtColor(blurred,cv.COLOR_BGR2GRAY)
    # 求梯度
    xgrd = cv.Sobel(gray,cv.CV_16SC1,1,0)
    ygrd = cv.Sobel(gray,cv.CV_16SC1,0,1)

    egde_output = cv.Canny(xgrd,ygrd,50,150)  # 50低阈值，150高阈值
    #egde_output = cv.Canny(gray,50,150)   # 都可使用
    cv.imshow('canny_edge',egde_output)
    return egde_output
'''
    # 输出彩色图
    dst = cv.bitwise_and(image,image,mask=egde_output)
    cv.imshow('color edge',dst)
'''

def contours_demo(image):
    '''
    dst = cv.GaussianBlur(image,(3,3),0) # 高斯模糊  消除外边的噪声
    gray = cv.cvtColor(dst,cv.COLOR_RGB2GRAY) # 转换成二值图像
    ret,binary = cv.threshold(gray,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU)
    cv.imshow('binary image',binary)
    '''
    # 用canny获取二值图像
    binary = edge_demo(image)
    
    #contours, heriachy = cv.findContours(binary, cv.RETR_TREE,cv.CHAIN_APPROX_SIMPLE) # 这个轮廓里面会有噪声，下面则没有
    contours, heriachy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE # 注意 我的版本只有两个返回参数，具体看函数说明是返回几个参数
    for i,contour in enumerate(contours):
        cv.drawContours(image,contours,i,(0,0,255),2)
        #cv.drawContours(image,contours,i,(0,0,255),-1)#轮廓填充
        #print(i)
    cv.imshow('detect image',image)
    #cv.imwrite('C:\\pictures\\Test paper\\5.jpg',image)

if __name__ == "__main__":
    filepath = "C:\\pictures\\others\\measure2.jpg"
    img = cv.imread(filepath)       # blue green red
    cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
    cv.imshow("input image",img)

    contours_demo(img)

    cv.waitKey(0)
    cv.destroyAllWindows()

结果如下：