import cv2
img=cv2.imread("C:/Users/wangyiyuan/Desktop/20200201172603_hocyy.jpg")
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,binary=cv2.threshold(gray,99,255,cv2.THRESH_BINARY)
#检查轮廓
contours,hierarchy=cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img,contours,-1,(0,0,255),3)#绘制轮廓
cv2.imshow("img",img)
cv2.waitKey(0)
首先用cvtcolor函数将img转化为灰度图。然后用cv2.threshold函数将边缘找出来。该函数具体的用法为cv2.threshold(src, thresh, maxval, type[, dst]),返回值为retval, dst
其中:
src是灰度图像
thresh是起始阈值。这个可以自己进行设置
maxval是最大值
type是定义如何处理数据与阈值的关系。
findcontour函数: image, cnts, hierarchy = cv2.findContours(a,b,c)//寻找图形中的轮廓
传入的参数:
a:传入的图像(二值化图像)
b:轮廓的检索模式,一般是检测外轮廓cv2.RETR_EXTERNAL
c:轮廓的近似方法有两种:(近似都是用近似矩形的方法,c不同的取值只是存储近似矩形的方法不同)
①CV_CHAIN_APPROX_SIMPLE:
一般是保留轮廓的终点坐标:近似矩形的左上角顶点坐标以及宽和高(x,y,w,h):
②CV_CHAIN_APPROX_NONE:
存储所有的轮廓点,相邻的两个点的像素位置差不超过1
函数返回值:
image:处理过的图像(就是原本的图像,findcontous函数不改变你传入的图像)
cnts:轮廓的点集列表,
hierarchy:轮廓的层次结构,