OPenCV 养成计划——边缘检测、图像金字塔轮廓检测 03

4.双阈值

梯度值>maxVal 处理为边界

minVal<梯度值<maxVal:连有边界保留，否则舍弃

梯度值<minVal 舍弃

v1=cv2.Canny(img,80,150)#80为minVal，150为maxVal，两个值越小会显示越多的边界细节

 

 

2.图像金字塔（图像特征提取，每一层特征不一样）

2.1高斯金字塔

向下采样法（缩小）,向上走（1）与高斯内核卷积（2） 将所有偶数行和列去除

向上采样法（放大），向下走（1）将图像向每个方向 扩大两倍，以0为填充（2）相同内积和进行卷积

up=cv2.pyrUp(img)
down=cv2.pyrDown(img)

2.2拉普拉斯金字塔

3.图像轮廓检测（轮廓比边缘更加连续）

cv.findContours(img,mode,methd)

mode:
轮廓检索方式

method：轮廓逼近方法 

gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,thresh=cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
binary,contours,hierarchy=cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
draw_img=img.copy()
res=cv2.drawContours(draw_img,contours,-1,(0,0,255),2)#2为线条宽度，（0,0,255）BGR用红色来画，在img上画出contours,-1表示所有轮廓，可以取1,2等层轮廓

##轮廓近似
grat=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,thresh=cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
binary,contours,hierarchy=cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
draw_img=img.copy()
cat=contours[0]
epsilon=0.15*cv2.arcLength(cat,True)
approx=cv2.approxPolyDP(cat,epsilon,True)
res=cv2.drawContours(draw_img,[approx],-1,(0,0,255),2)

4.模板匹配

template=cv2.imread("模板路径",0)
w,h=template.shape[:2]
res=cv2.matchTemplate(img,template,cv2.TM_CCOEFF_NORMED)
threshold=0.8
loc=np.where(res>=threshold)
for pt in zip(*loc[::-1]):
    bottom_right=(pt[0]+w,pt[1]+h)
    cv2.rectangle(img,pt,bottom_right,(0,0,225),2)