Opencv4 官方文档 : https://docs.opencv.org/4.2.0/
Opencv4 for Python中文文档点击下载:OpenCV4 for Python 中文文档
1 图像轮廓
. 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。
. 为了更加准确,要使用二值化图像。在寻找轮廓之前,要进行阈值化处理或者 Canny 边界检测
. 查找轮廓的函数会修改原始图像。如果你在找到轮廓之后还想使用原始图像的话,
你应该将原始图像存储到其他变量中.
. 在 OpenCV 中,查找轮廓就像在黑色背景中超白色物体。要找的物体应该是白色,而背景应该是黑色
.发现轮廓:cv.findContours();绘制轮廓:cv.drawContours()
2 相关api
cv.findContours(image, mode, method, contours=None, hierarchy=None, offset=None)
- 参数:
- image:输入图像;
- mode:轮廓检索模式;
- method:轮廓近似方法;
- contours:-
- hierarchy:-
- offset:每一个轮廓点的偏移量. 当轮廓是从图像 ROI 中提取出来的时候,使用偏移量有用,因为可以从整个图像上下文来对轮廓做分析
- 返回值:
返回值有三个,第一个是图像,第二个是轮廓,第三个是(轮廓的)层析结构。 轮廓(第二个返回值)是一个 Python 列表,其中存储这图像中的所有轮廓。 每一个轮廓都是一个 Numpy 数组,包含对象边界点(x,y)的坐标。
3 轮廓周长:
也成为了弧长,用以下api可直接获取
perimeter = cv.arcLength(cnt,True)
4 轮廓构成面积
直接api获取:
area = cv.contourArea(cnt)
还有很多属性等,暂时先略过
5 demo
demo:
def edge_demo(image):
blurred = cv.GaussianBlur(image, (3, 3), 0)
gray = cv.cvtColor(blurred, cv.COLOR_BGR2GRAY)
grad_x = cv.Sobel(gray, cv.CV_16SC1, 1, 0)
grad_y = cv.Sobel(gray, cv.CV_16SC1, 0, 1)
# edge_output = cv.Canny(grad_x, grad_y, 30, 150)
edge_output = cv.Canny(gray, 50, 150)
cv.imshow("canny extraction",edge_output)
return edge_output
def contours_demo(image):
binary = edge_demo(image)
contours, hierarchy= cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
for i, contour in enumerate(contours):
cv.drawContours(image, contours, i, (0, 0, 255), 2)
print(i)
cv.imshow("detect contours", image)
result:
转载请注明转自:https://leejason.blog.csdn.net/article/details/106448720