查找并且绘制轮廓

#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace cv;
using namespace std;

#define WINDOW_NAME1 "【原始图窗口】"
#define WINDOW_NAME2 "【轮廓图】"

Mat g_srcImage;
Mat g_grayImage;
int g_nThresh = 80;
int g_nThresh_max = 255;
RNG g_rng(12345);
Mat g_cannyMat_output;
vector<vector<Point> > g_vContours;
vector<Vec4i> g_vHierarchy;

static void ShowHelpText();
void on_ThreshChange(int, void*);

int main()
{
	system("color 1A");

	g_srcImage = imread("C:/Users/hasee-pc/Desktop/girl.jpg", 1);

	cvtColor(g_srcImage, g_grayImage, COLOR_BGR2GRAY);
	blur(g_grayImage, g_grayImage, Size(3, 3));

	namedWindow(WINDOW_NAME1, WINDOW_AUTOSIZE);
	imshow(WINDOW_NAME1, g_srcImage);

	createTrackbar("canny阈值", WINDOW_NAME1, &g_nThresh, g_nThresh_max, on_ThreshChange);
	on_ThreshChange(0, 0);
	
	waitKey(0);
	return 0;
}
void on_ThreshChange(int, void *)
{
	Canny(g_grayImage, g_cannyMat_output, g_nThresh, g_nThresh * 2, 3);
	findContours(g_cannyMat_output, g_vContours, g_vHierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0));
	Mat drawing = Mat::zeros(g_cannyMat_output.size(), CV_8UC3);
	for (int i = 0; i < g_vContours.size(); ++i)
	{
		Scalar color = Scalar(g_rng.uniform(0, 255),g_rng.uniform(0,255),g_rng.uniform(0,255));
		drawContours(drawing, g_vContours, i, color, 2, 8, g_vHierarchy, 0, Point());
	}
	imshow(WINDOW_NAME2, drawing);
}
static void ShowHelpText()
{
	printf("\n\n\t\t滑动滚动条~改变阈值\n");
}

 

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在模板匹配中,可以使用OpenCV中的模板匹配函数`cv2.matchTemplate()`对模板图像进行匹配。然后,使用`cv2.minMaxLoc()`函数在匹配结果中找到最佳匹配位置。最后,可以使用`cv2.rectangle()`函数绘制匹配结果的矩形框。 在绘制轮廓方面,可以使用OpenCV中的轮廓函数`cv2.findContours()`对图像进行轮廓检测。然后,使用`cv2.drawContours()`函数在图像上绘制轮廓。 以下是一个模板匹配和轮廓检测的示例代码: ```python import cv2 import numpy as np # 读取图像和模板 img = cv2.imread('image.jpg') template = cv2.imread('template.jpg') # 获取模板的宽高 h, w = template.shape[:2] # 进行模板匹配 res = cv2.matchTemplate(img, template, cv2.TM_CCOEFF_NORMED) min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res) # 绘制匹配结果矩形框 top_left = max_loc bottom_right = (top_left[0] + w, top_left[1] + h) cv2.rectangle(img, top_left, bottom_right, (0, 0, 255), 2) # 进行轮廓检测 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) # 绘制轮廓 cv2.drawContours(img, contours, -1, (0, 255, 0), 2) # 显示图像 cv2.imshow('image', img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在这个示例代码中,我们首先读取了一张图像和一个模板图像。然后,我们使用`cv2.matchTemplate()`函数进行模板匹配,并使用`cv2.minMaxLoc()`函数找到最佳匹配位置。接着,我们使用`cv2.rectangle()`函数在原图像上绘制匹配结果的矩形框。最后,我们使用`cv2.findContours()`函数对原图像进行轮廓检测,并使用`cv2.drawContours()`函数在原图像上绘制轮廓

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值