openCV图像轮廓

最新推荐文章于 2024-09-16 14:49:33 发布
最新推荐文章于 2024-09-16 14:49:33 发布
阅读量143 收藏
点赞数
分类专栏： opcvCV 文章标签： python opencv
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_49531439/article/details/118254313
版权

© Fu Xianjun. All Rights Reserved. 今天小赵带大家进入openCV的图像轮廓，素材依然来自我们的小傅老师，这次他给我们准备的素材很不错。

图像轮廓

前言

图像轮廓是openCV里面的一个很重要的部分，和很多内容都会有所链接，希望大家和我好好学习。

提示：以下是本篇文章正文内容，下面案例可供参考

一、图像轮廓需要什么？

我们看一下知识点
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

二、图像轮廓的实现

1.查找轮廓

关键代码知识点
在这里插入图片描述

mode:

cv2.RETR_EXTERNAL 只检测外轮廓

cv2.RETR_LIST检测的轮廓不建立等级关系

cv2.RETR_CCOMP建立两个等级的轮廓

cv2.RETR_TREE建立一个等级树结构的轮廓

method:

cv2.CHAIN_APPROX_NONE存储所有的轮廓点

cv2.CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息。

代码：

import cv2
import numpy as np
img = cv2.imread('shape.jpg')    #读取图像
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #转为灰度值图
ret, binary = cv2.threshold(gray,220,255,cv2.THRESH_BINARY) #转为二值图
contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,\
                                       cv2.CHAIN_APPROX_NONE) #寻找轮廓
n=len(contours)       #轮廓个数
print(n)
print(len(contours[0]))       #轮廓0像素数目
print(len(contours[1]))       #轮廓1像素数目
print(len(contours[2]))       #轮廓2像素数目
print(len(contours[3]))       #轮廓3像素数目

2.绘制轮廓

代码如下：

cv2.imshow("img",img) #显示原图像
img2 = cv2.drawContours(img,contours,1,(0,165,255),-1)  #绘制轮廓,1表示绘制第几个轮廓 -1是填充全部
cv2.imshow("contours",img2)   #显示轮廓
cv2.waitKey()
cv2.destroyAllWindows()

代码效果如下：
在这里插入图片描述

3.逐一绘制轮廓

代码如下（示例）：

n=len(contours)       #轮廓个数
contoursImg=[]
for i in range(n):
    temp=np.zeros(img.shape,np.uint8) #生成黑背景
    contoursImg.append(temp)
    contoursImg[i]=cv2.drawContours(contoursImg[i],contours,i,(255,255,255), 3)  #绘制轮廓
    cv2.imshow("contours[" + str(i)+"]",contoursImg[i])   #显示轮廓
cv2.waitKey()
cv2.destroyAllWindows()

4.实操

代码如下（示例）：

import cv2
import numpy as np
img = cv2.imread('pig.jpg')
h,w = img.shape[:2]
img = cv2.resize(img,(int(w/2),int(h/2)))
cv2.imshow("img",img)   #显示原图像
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)      #转为灰度图
ret, binary = cv2.threshold(gray,245,255,cv2.THRESH_BINARY_INV)  #转为二值图
cv2.imshow("binary" ,binary)        #显示二值化结果
contours= cv2.findContours(binary,cv2.RETR_LIST,cv2.CHAIN_APPROX_NONE)[-2]#寻找轮廓
mask=np.zeros(img.shape,np.uint8)  #生成黑背景，即全为0
mask=cv2.drawContours(mask,contours,-1,(255,255,255),-1)  #绘制轮廓，形成掩膜
cv2.imshow("mask" ,mask)        #显示掩膜
result=cv2.bitwise_and(img,mask)   #按位与操作，得到掩膜区域
cv2.imshow("result" ,result)     #显示图像中提取掩膜区域
cv2.waitKey()
cv2.destroyAllWindows()

代码效果如下：
在这里插入图片描述

三、使用矩特征计算轮廓的面积及长度

1.计算图像的矩特征

代码如下：

import cv2
import numpy as np
img = cv2.imread('shape.jpg')    #读取图像
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #转为灰度值图
ret, binary = cv2.threshold(gray,220,255,cv2.THRESH_BINARY) #转为二值图
contours cv2.findContours(binary,cv2.RETR_TREE,\
                                       cv2.CHAIN_APPROX_NONE)[-2] #寻找轮廓
n=len(contours)       #轮廓个数
contoursImg=[]
for i in range(n):
    temp=np.zeros(img.shape,np.uint8) #生成黑背景
    contoursImg.append(temp)
    contoursImg[i]=cv2.drawContours(contoursImg[i],contours,i,(255,255,255), 3)  #绘制轮廓
    cv2.imshow("contours[" + str(i)+"]",contoursImg[i])   #显示轮廓
print("计算图像的矩特征：")
for i in range(n):
    moment=cv2.moments(contours[i])
    print(f"轮廓{i}的矩：\n{moment}")
cv2.waitKey()
cv2.destroyAllWindows()

代码效果如下：
在这里插入图片描述

2.计算轮廓面积

代码如下：

import cv2
import numpy as np
img = cv2.imread('shape.jpg')    #读取图像
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #转为灰度值图
ret, binary = cv2.threshold(gray,220,255,cv2.THRESH_BINARY) #转为二值图
contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,\
                                       cv2.CHAIN_APPROX_NONE) #寻找轮廓
n=len(contours)       #轮廓个数
contoursImg=[]
for i in range(n):
    area = cv2.contourArea(contours[i])
    print(f"轮廓{i}的面积：\n{area}")

四、使用Hu特征进行形状匹配

代码如下：

import cv2
o1 = cv2.imread('m1.png')
o2 = cv2.imread('m2.png')
o3 = cv2.imread('m3.png') 
gray1 = cv2.cvtColor(o1,cv2.COLOR_BGR2GRAY) 
gray2 = cv2.cvtColor(o2,cv2.COLOR_BGR2GRAY) 
gray3 = cv2.cvtColor(o3,cv2.COLOR_BGR2GRAY) 
ret, binary1 = cv2.threshold(gray1,127,255,cv2.THRESH_BINARY) 
ret, binary2 = cv2.threshold(gray2,127,255,cv2.THRESH_BINARY) 
ret, binary3 = cv2.threshold(gray3,127,255,cv2.THRESH_BINARY) 
contours1, hierarchy = cv2.findContours(binary1,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE) 
contours2, hierarchy = cv2.findContours(binary2,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE) 
contours3, hierarchy = cv2.findContours(binary3,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE) 
cnt1 = contours1[0]
cnt2 = contours2[0]
cnt3 = contours3[0]
ret0 = cv2.matchShapes(cnt1,cnt1,1,0.0)
ret1 = cv2.matchShapes(cnt1,cnt2,1,0.0)
ret2 = cv2.matchShapes(cnt1,cnt3,1,0.0)
print("相同图像的 matchShape=",ret0)
print("相似图像的 matchShape=",ret1)
print("不相似图像的 matchShape=",ret2)

五、轮廓拟合

1.矩形包围框

代码如下：

import cv2
img=cv2.imread('shape.jpg')
cv2.imshow("original",img)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY) 
contours = cv2.findContours(binary,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE) [-2]
x,y,w,h=cv2.boundingRect(contours[0])
cv2.rectangle(img,(x,y),(x+w,y+h),(0,0,0),2)
cv2.imshow("result",img)
cv2.waitKey()
cv2.destroyAllWindows()

代码效果如下：
在这里插入图片描述

2.最小包围矩形框

代码如下：

import cv2
o=cv2.imread('shape.jpg')
cv2.imshow("original",o)
gray = cv2.cvtColor(o,cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY) 
contours = cv2.findContours(binary,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)[-2]
rect = cv2.minAreaRect(contours[1])
print("返回值 rect:\n",rect)
points = cv2.boxPoints(rect)
print("\n 转换后的 points：\n",points)
points = np.int64(points)                 #取整,np.int64=np.int0
image=cv2.drawContours(o,[points],0,(0,0,0),2)
cv2.imshow("result",o)
cv2.waitKey()
cv2.destroyAllWindows()

代码效果如下：
在这里插入图片描述

3.最小包围圆形

代码如下：

import cv2
o=cv2.imread('shape.jpg')
cv2.imshow("original",o)
gray = cv2.cvtColor(o,cv2.COLOR_BGR2GRAY) 
ret, binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
contours= cv2.findContours(binary,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)[-2]

(x,y),radius = cv2.minEnclosingCircle(contours[1])
center = (int(x),int(y))
radius = int(radius)
cv2.circle(o,center,radius,(0,0,0),2)          # 跟 matplotlib 类似吧。。
cv2.imshow("result",o)
cv2.waitKey()
cv2.destroyAllWindows()

在这里插入图片描述

4.最优拟合椭圆

代码如下：

import cv2
o=cv2.imread('shape.jpg')
cv2.imshow("original",o)
gray = cv2.cvtColor(o,cv2.COLOR_BGR2GRAY) 
ret, binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY) 
contours= cv2.findContours(binary,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)[-2]

ellipse = cv2.fitEllipse(contours[1])
print("ellipse=",ellipse)
cv2.ellipse(o,ellipse,(0,255,0),3)
cv2.imshow("result",o)
cv2.waitKey()
cv2.destroyAllWindows()

代码效果如下：
在这里插入图片描述

5.最优拟合直线

代码如下：

import cv2
o=cv2.imread('shape.jpg')
cv2.imshow("original",o)
gray = cv2.cvtColor(o,cv2.COLOR_BGR2GRAY) 
ret, binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY) 
contours= cv2.findContours(binary,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)[-2]

rows,cols = o.shape[:2]
[vx,vy,x,y] = cv2.fitLine(contours[1], cv2.DIST_L2,0,0.01,0.01) # 返回值是共线的归一化向量，和线上一点
lefty = int((-x*vy/vx) + y)                   # 说白了就是一个方向和一个点，点斜式嘛，还啥vec4f，，讲究
righty = int(((cols-x)*vy/vx)+y)                # 计算两个点，代值计算就行
cv2.line(o,(cols-1,righty),(0,lefty),(0,255,0),2)   
cv2.imshow("result",o)
cv2.waitKey()
cv2.destroyAllWindows()

代码效果如下：
在这里插入图片描述

6.逼近多边形

代码如下：

import cv2
import numpy as np

# 多边形逼近
# 1.先找到轮廓
img = cv2.imread('contours3.png')
cv2.imshow("original",img)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) 
ret, binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY) 
contours= cv2.findContours(binary,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)[-2]
cnt = contours[0]

# 2.进行多边形逼近，得到多边形的角点
approx1 = cv2.approxPolyDP(cnt, 3, True)
approx2 = cv2.approxPolyDP(cnt, 15, True)
approx3 = cv2.approxPolyDP(cnt, 75, True)

# 3.画出多边形
adp=img.copy()
img1=cv2.polylines(adp, [approx1], True, (255, 0, 0), 2)
cv2.imshow('approxPloyDP1', img1)
####
adp=img.copy()
img2=cv2.polylines(adp, [approx2], True, (0, 255, 0), 2)
cv2.imshow('approxPloyDP2', img2)
#####
adp=img.copy()
img3=cv2.polylines(adp, [approx3], True, (0, 0, 255), 2)
cv2.imshow('approxPloyDP3', img3)

print(len(approx1),len(approx2),len(approx3))  # 角点的个数

cv2.waitKey(0)
cv2.destroyAllWindows()

代码效果如下：
在这里插入图片描述

总结

提示：这里对文章进行总结：图像轮廓知识点非常的多，一般就是用FInd寻找轮廓然后Draw画轮廓。

大憨憨z
关注
专栏目录
OpenCV图像轮廓提取
m0_37772174的博客
04-09 3万+
使用了相关算法进行图片轮廓的提取 ############## #图像中的轮廓提取 #时间：2019/1/3 #作者：cclplus #仅供学习交流使用 #如若照片本人认为侵犯了肖像权,请联系我的邮箱707101557@qq.com #如有疑问或者需求，可以联系作者的邮箱 #如果你有什么好的建议或者指导，我将不胜感激 import cv2 import numpy as np from ma...
OpenCV 图像轮廓检测
断点
02-27 4744
​ 本文是OpenCV图像视觉入门之路的第15篇文章，本文详细的介绍了图像轮廓检测的各种操作，例如：轮廓检索模式、轮廓逼近算子等操作。 图像轮廓是具有相同颜色或灰度的连续点的曲线，轮廓在形状分析和物体的检测和识别中很有用。图像轮廓的作用：图形分析、物体的检测和识别。 需要注意的是：为了检测的准确性，需要先对图像进行二值化或Canny操作； 画轮廓时会修改输入的图像，如果之后想继续使用原始图像，应该将原始图像存储到其他变量中。 ​
Opencv图像轮廓处理
gaisidefeimei的博客
06-28 789
@fuxianjun 寻找轮廓的操作一般用于二值化图，所以通常会使用阈值分割或Canny边缘检测先得到二值图。 cv2.findContours()函数 contours,hierarchy=cv2.findContours（image,mode,method） contours：返回的轮廓。例如contours[i]表示第i个轮廓。 hierarchy：图像的拓扑信息（轮廓层次）。 image：输入的图像。 mode：轮廓搜索模式：决定了轮廓的提取方式。 method：轮廓近似方法：决定了如何表
《深度学习》OpenCV 图像轮廓检测、轮廓处理及代码演示
wx_AHao1004Y的博客
09-02 1902
为了识别匹配区域，我们必须通过滑动来将模板图像与源图像进行比较，一次移动一个像素（从左到右，从上到下）。包括Canny边缘检测器、Laplacian边缘检测器等，这些边缘检测器可以通过检测图像中的强度变化来找到物体的边缘。而对象内部中空洞的轮廓为第2级组织结构，空洞中的任何对象的轮又是第 1 级组织结构。，可选的参数 oriented 指定是否计算有向面积，默认为 False，即计算无向面积。输入的轮廓，通常是一个由一系列点组成的 Numpy 数组。计算弧长是通过计算轮廓的所有线段的长度之和来实现的。
OpenCV 图像处理 轮廓检测基本原理
weixin_46999174的博客
07-25 2616
轮廓发现是图像处理中的一个重要步骤，用于检测物体的边界和形状。本文讲解了基本实现原理和代码实现
OpenCV之图像轮廓
go___on的博客
03-05 7092
什么是图像轮廓？ 具有相同颜色（在彩色图片中）或强度（灰度图像要转变为二值化图像）的连续点的曲线 图像轮廓的作用： 1.可以用于图形分析 2.物体的识别与检测
七.OpenCv图像轮廓
small-guo
02-05 3687
7. 图像轮廓 7.1 什么是图像轮廓 图像轮廓是具有相同颜色或灰度的连续点的曲线. 轮廓在形状分析和物体的检测和识别中很有用。 轮廓的作用: 用于图形分析 物体的识别和检测 注意点: 为了检测的准确性，需要先对图像进行二值化或Canny操作。 画轮廓时会修改输入的图像, 如果之后想继续使用原始图像，应该将原始图像储存到其他变量中。 7.2 查找轮廓 findContours(image, mode, method[, contours[, hierarchy[, offset]]]) mo
Opencv图像轮廓检测——转换灰度图像、二值图像、绘制图像轮廓、轮廓特征、轮廓外接圆
杨老师的小跟班(*∩_∩*)
09-11 2659
Opencv图像轮廓检测——转换灰度图像、二值图像、绘制图像轮廓、轮廓特征、轮廓外接圆
7.OpenCV-图像轮廓
清山博客
06-16 2987
CHAIN_APPROX_NONE：以Freeman链码的方式输出轮廓，所有其他方法输出多边形（顶点的序列）。CHAIN_APPROX_SIMPLE：压缩水平的、垂直的和斜的部，也就是，函数只保留他们的终点部分。RETR_CCOMP：检索所有的轮廓，并将他们组织为两层：顶层是各部份的外部边界，第二层是空洞的边界。遍历轮廓，通过计算面积比，就可以找到轮廓特征，也就筛选出我们感兴趣的轮廓了。RETR_TREE：检索所有的轮廓，并重构嵌套轮廓的整个层次(常用这个)RETR_EXTERNAL：只检最外面的轮廊。
如何绘制OpenCV图像轮廓
m0_60259116的博客
05-16 1182
如何绘制OpenCV图像轮廓
基于opencv图像轮廓识别代码
02-25
【标题】"基于opencv图像轮廓识别代码"是一个关于在Linux环境下使用OpenCV库进行图像处理，特别是轮廓检测的项目。OpenCV（Open Source Computer Vision Library）是一个强大的计算机视觉和机器学习软件库，广泛应用...
基于OpenCV的图像轮廓提取实现
04-30
OpenCV（开源计算机视觉库）提供了一整套强大的工具，使得开发者能够方便地进行图像轮廓的检测与分析。本教程将深入探讨如何基于OpenCV实现图像轮廓的提取，并通过动态调整参数来实时查看提取效果。 首先，我们要...
OpenCv图像轮廓处理
weixin_54653168的博客
05-14 321
1，简单几何图像绘制 　　简单几何图像一般包括点，直线，矩阵，圆，椭圆，多边形等等。 　　下面学习一下 opencv对像素点的定义。图像的一个像素点有1或3个值，对灰度图像有一个灰度值，对彩色图像有3个值组成一个像素值，他们表现出不同的颜色。 　　其实有了点才能组成各种多边形，才能对多边形进行轮廓检测，所以下面先练习一下简单的几何图像绘制。 2，图像轮廓 　　图像轮廓可以简单认为成将连续的点（连着边界）连在一起的曲线，具有相同的颜色或者灰度。轮廓在形状分析和物体的检测和识别中很有用。 为了更加准
Python世界：力扣29题两数相除算法实践
来知晓的博客
09-13 385
除法运算本质是减法，从理解原理到真正实现还是有距离，建议初步理解后，不参考任何代码，完全自己复现一遍，体会更深。注意提示：目的就是提醒越界问题：-2^31/-1=2&31，超过了整数表达范围。本问题来自于力扣29题，在做完大数相乘后，顺带也看下两数相除。将两数相除，要求不使用乘法、除法和 mod 运算符。给定两个整数，被除数。
Python办公自动化案例（二）：对比两个Excel数据内容并标出不同
衍生星球的博客
09-14 368
在数据处理和分析的日常工作中，我们经常需要比较两个Excel文件的差异。这可能是为了验证数据的一致性、检查数据的准确性，或者在版本控制中追踪更改。手动比较这些文件不仅耗时，而且容易出错。幸运的是，Python的openpyxl库提供了一种自动化这一过程的方法。
Tcl lnit error: Can’t find a usable init.tcl in the following directories 问题解决
梦想闹钟
09-15 277
实际研究后发现，其实py2exe已经把打包需要的lib放在dist文件夹下了，但是打包后的程序运行后却没有去lib下找，而是去找系统自带的环境变量里找，所以找不到。这个问题出现在我用py2exe打包了一个包含tkinter的图形化界面，在当前电脑上运行无问题，在移动到新电脑上后提示报错、getcwd用于获取当前工作目录绝对路径，在设置环境的变量的时候它用的是绝对路径-所以也导致了在当前电脑上能用而移动后不能用。解决方法是在你的程序里重新设置下环境变量，而且是用相对路径的形式。
JUC从实战到源码：中断机制与API实现
qq_43843951的博客
09-12 1138
在Java中，线程中断是一种机制，用于通知线程应该停止当前正在执行的任务。中断通常用于协同线程之间的合作，以便让线程在适当的时候终止其工作，尤其是在长时间运行的任务或阻塞操作中。通过学了多线程以及synchronized的相关知识，接下来就到了学习线程中断知识。
opencv学习：calcHist 函数绘制图像直方图及代码实现
mohanyelong的博客
09-13 1456
opencv学习：calcHist 函数绘制图像直方图及代码实现
基于机器学习的乳腺癌肿瘤智能分析预测系统
最新发布
Python极客之家
09-16 795
本系统致力于通过分析肿瘤的各种特征，如半径、纹理、形状等，利用Matplotlib、Seaborn 等工具进行可视化统计分析，并建立机器学习模型来预测肿瘤是否为恶性，测试集预测 AUC 达到 98.441%。系统的设计目的是为了帮助医疗专业人员更快地做出决策，并为患者提供更及时的治疗方案。
opencv 图像轮廓
08-25
OpenCV图像轮廓是指在图像中连续的边界线。根据引用中的示例代码，我们可以使用OpenCV库来实现图像轮廓的查找和计算。 首先，我们需要读取图像并将其转换为灰度图像。可以使用cv2.imread()函数读取图像，然后使用cv...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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