【笔记】OpenCV3 图形处理-轮廓检测（四）

在计算机视觉中，轮廓检测是一个比较重要的任务

还有一些相关的操作：计算多边形边界、形态逼近和计算感兴趣区域，后面再慢慢研究。。。

先来初步尝试下轮廓检测

---

检测前，先对图像进行处理

• 图像二值化

图像二值化（ Image Binarization）就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。在数字图像处理中，二值图像占有非常重要的地位，图像的二值化使图像中数据量大为减少，从而能凸显出目标的轮廓。

• threshold  固定阈值二值化

def threshold(src, thresh, maxval, type, dst=None)

其中：

src:  输入图，只能输入单通道图像，通常来说为灰度图

thresh：设定的阈值

maxval: 当灰度值大于或小于阈值时，将灰度值赋成的值

type:       二值化的方式

---

可以有的方式有：

cv2.THRESH_BINARY = 0  大于阈值的部分被置为255，小于部分被置为0
cv2.THRESH_BINARY_INV = 1 大于阈值部分被置为0，小于部分被置为255
cv2.THRESH_MASK = 7
cv2.THRESH_OTSU = 8
cv2.THRESH_TOZERO = 3 小于阈值部分被置为0，大于部分保持不变
cv2.THRESH_TOZERO_INV = 4 大于阈值部分被置为0，小于部分保持不变
cv2.THRESH_TRIANGLE = 16
cv2.THRESH_TRUNC = 2  大于阈值部分被置为thresh，小于部分保持原样

---

看看有些啥效果。。。

import cv2
import matplotlib.pyplot as plt

#灰度读取
img = cv2.imread('img/Lena.jpg', cv2.IMREAD_GRAYSCALE)

ret, thresh1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
ret, thresh2 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV)
ret, thresh3 = cv2.threshold(img, 127, 255,