实例图片镇楼
1.读取图片,阈值处理
# 读取图片并灰度值化
img = cv2.imread('d:1.jpg', 0)
# 二值化,过滤掉噪音
img = np.where(img < 100, 0, 255).astype(np.uint8)
cv2.imshow('0', img)
cv2.waitKey(0)
2.获取轮廓
conts, _ = cv2.findContours(img, mode=cv2.RETR_EXTERNAL, method=cv2.CHAIN_APPROX_SIMPLE)
3.直线和boundingbox
如给定一条直线,用点p1(20, 200),p2(340, 90)来表示。若已知在这条直线上位于轮廓2外侧的2个点A,B,就可枚举线段AB上所有的点,推断这些点和轮廓的关系(轮廓上,轮廓内,轮廓外)。如何求解点A和B? 为了提高枚举速度,可先求轮廓的boundingbox,直线和boundingbox的交点即A和B点。
x, y, w, h = cv2.boundingRect(conts[0])
cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 1)
# 随便画一条直线
p1, p2 = (20, 200), (340, 90)
if p2[0] != p1[0]: # 若存在斜率 y=kx+b
k = (p2[1] - p1[1]) / (p2[0] - p1[0])
b = p1[1]