opencv学习笔记十四：使用cv2.findContours()和cv2.drawContours()实现轮廓检测

最新推荐文章于 2024-08-12 03:34:32 发布

耐心的小黑

最新推荐文章于 2024-08-12 03:34:32 发布

阅读量3.6k

点赞数 3

分类专栏： # OpenCV-Python学习笔记文章标签： python opencv 计算机视觉

本文链接：https://blog.csdn.net/qq_39507748/article/details/104549798

版权

OpenCV-Python学习笔记专栏收录该内容

24 篇文章 33 订阅 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

这篇博客详细介绍了如何使用OpenCV的cv2.findContours()函数进行轮廓检测，并结合cv2.drawContours()函数进行轮廓可视化。文章讲解了cv2.findContours()的参数，包括检索模式、近似方法和偏移量，以及返回的轮廓信息。同时，也阐述了cv2.drawContours()的参数设置，如图片、轮廓索引、颜色和线条厚度，帮助读者理解如何在图像上绘制检测到的轮廓。

摘要由CSDN通过智能技术生成

一、cv2.findContours()函数

contours, hierarchy=cv2.findContours(image, mode, 
									 method[, contours[, 
									 hierarchy[, offset ]]]

了解本专栏

订阅专栏解锁全文

超级会员免费看

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

耐心的小黑

关注关注

3
点赞
踩
22

收藏

觉得还不错? 一键收藏
打赏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

订阅专栏

opencv学习笔记三：使用cv2.GetAffineTransform()实现图像仿射

耐心的小黑的博客

02-22

2万+

仿射变换，又称仿射映射，是指在几何中，一个向量空间进行一次线性变换并接上一个平移，变换为另一个向量空间。仿射变换需要一个M矩阵,但是由于仿射变换比较复杂，一般直接找很难找到这个矩阵，opencv提供了根据变换前后三个点的对应关系来自动求解M的函数，这个函数就是： M=cv2.GetAffineTransform(src, dst) src：原始图像中的三个点的坐标 dst：变换后的这三个点对应...

【OpenCV】第十二章: 图像轮廓

因为热爱所以坚持

12-06

5306

一、轮廓检测函数：cv2.findContours() 二、轮廓绘制函数：cv2.drawContours(img, contours, contourIdx, color [, thickness, lineType, hierarchy, maxLevel, offset] ) 三、轮廓特征四、根据轮廓的矩特征进行图像匹配五、轮廓拟合六、凸包七、利用形状场景算法比较轮廓八、计算轮廓的特征(续)

参与评论您还未登录，请先登录后发表或查看评论

FindHomography

12-08

使用Ransac算法计算匹配点的透视矩阵 C++代码 testEigenVal.cpp为测试例程。 matches.txt为测试数据。

opencv学习—cv2.findContours()函数讲解（python）

热门推荐

ei1990的博客

10-25

3万+

# 第三个参数 Method used to computed a homography matrix. The following methods are possible: #0 - a regular method using all the points #CV_RANSAC - RANSAC-based robust method #CV_L

opencv学习笔记四：使用cv2.getRotationMatrix2D()实现图像旋转

耐心的小黑的博客

02-22

1万+

M=cv2.getRotationMatrix2D(center, angle, scale) 函数有三个参数： center：图片的旋转中心 angle：旋转角度 scale：旋转后图像相比原来的缩放比例 M:计算得到的旋转矩阵 from matplotlib import pyplot as plt import cv2 import numpy as np img = cv2.imrea...

opencv学习笔记七：使用cv2.threshold实现全局和OTSU阈值二值化

耐心的小黑的博客

02-25

4546

首先介绍一下函数：ret, dst = cv2.threshold(src, thresh, maxval, type)的各参数含义 src：输入图，只能输入单通道图像，通常来说为灰度图 thresh：阈值 maxval：当像素值超过了阈值或者小于阈值，根据type所决定的要赋予像素点的值 type 含义 cv2.THRESH_BINARY 超过阈值部分取maxval（最...

opencv学习笔记九：使用cv2.erode() 和 cv2.dilate()实现图像的腐蚀和膨胀

耐心的小黑的博客

02-27

2万+

腐蚀与膨胀属于形态学操作，所谓的形态学，就是改变物体的形状，形象理解一些：腐蚀=变瘦膨胀=变胖主要是采用 cv2.erode() 和 cv2.dilate()，需要注意一点的是，腐蚀和膨胀主要针对二值化图像的白色部分腐蚀：在原图的每一个小区域里取最小值，由于是二值化图像，只要有一个点为0，则都为0，来达到瘦身的目的。因此在下面的例子中，我们就可以使用腐蚀来将图片中的一些毛刺或者说很...

python opencv 特征匹配特征匹配+Homography找目标

TingHW的博客

11-29

1万+

我们之前使用了查询图像，找到其中的一些特征点，我们取另外一个训练图像，找到里面的特征，我们找到它们中间最匹配的。简单说就是我们在一组图像里找一个目标的某个部分的位置。我们可以使用一个calib3d模块里的函数，cv2.findHomography().如果我们传了两个图像里的点集合，它会找到那个目标的透视转换。然后我们可以使用cv2.perspectiveTransform()来找目标，它需要至...

python中find的输出规则,OpenCV（Python）中cv2.findHomography的输出

weixin_39558754的博客

12-24

736

I'm using OpenCV's findHomography function (with RANSAC) in Python to find the transformation between two sets of points.Looking at the documentation, the output is a mask and a transformation matrix....

Opencv图像查找findHomography（python实现）

Keep_Trying_Go的博客

06-21

5980

Opencv图像查找findHomography（python实现）

计算单应矩阵，图像矫正，opencv的findHomography

xull88619814的博客

08-11

1万+

计算单应矩阵，图像矫正，opencv的findHomography 通过一一对应的点，计算映射矩阵，进行变换 # -*- coding: utf-8 -*- from PIL import Image from pylab import * import numpy as np import cv2 if __name__ == '__main__': im = arra...

opencv中透视变换，cv2.findHomography() 和 cv2.getPerspectiveTransform()的区别

m0_70484757的博客

07-03

3033

总结来说，cv2.findHomography() 更通用，可以处理任意形状的点对，而 cv2.getPerspectiveTransform() 更适用于矩形区域的透视变换。cv2.getPerspectiveTransform()：它返回一个 3x3 的透视变换矩阵，该矩阵描述了一个平面上的四个点到另一个平面上的四个点之间的透视变换关系。cv2.getPerspectiveTransform()：由于需要输入矩形的四个角点，因此主要用于进行基于矩形的透视变换，如纠正图像的倾斜、裁剪矩形区域等。

cv2特征匹配

cchangcs

07-23

3438

本篇博客主要介绍cv2模块中的特征匹配findHomography。在图像处理中，联合使用特征提取和calib3d模块中的 findHomography，可以实现在复杂图像中查找已知对象。示例代码： # encoding:utf-8 import numpy as np import cv2 import matplotlib.pyplot as plt min_match_count ...

【详解之OpenCV中的findHomography()函数和 cv2.warpPerspective()函数】

2301_77444219的博客

05-29

4706

cv2.findHomography() 是 OpenCV 中的一个函数，用于找到两个图像之间的单应性矩阵（Homography matrix）。在计算机视觉中，单应性矩阵是一个3x3的矩阵，它描述了两个平面之间的相对位置关系，通常用于图像配准、图像拼接、全景图像生成等应用中。#计算视角变换矩阵，透视变换函数，与cv2.getPerspectiveTransform()的区别在与可多个数据点变换#参数srcPoints:图片B的匹配点坐标#参数dstPoints:图片A3的匹配点坐标。

opencv学习笔记——cv::mean()函数详解

06-12

cv::mean()函数是OpenCV中用于计算图像均值的函数，它的函数原型如下： ``` Scalar cv::mean(InputArray src, InputArray mask = noArray()); ``` 其中，src参数是输入的图像，mask参数是用于掩码的可选参数。函数返回值是一个Scalar类型的值，包含了计算得到的均值。使用cv::mean()函数的步骤如下： 1. 加载图像 ``` Mat img = imread("image.jpg", cv::IMREAD_GRAYSCALE); ``` 2. 计算均值 ``` Scalar mean = cv::mean(img); ``` 在这个例子中，我们计算了灰度图像的均值，并将结果存储在名为mean的Scalar变量中。如果想要使用掩码来计算均值，可以使用以下代码： ``` Mat mask = imread("mask.jpg", cv::IMREAD_GRAYSCALE); Scalar mean = cv::mean(img, mask); ``` 在这个例子中，我们使用名为mask的掩码来计算灰度图像的均值。需要注意的是，如果输入图像是多通道的，则返回的Scalar类型变量包含每个通道的均值。例如，如果输入图像是RGB图像，则返回的Scalar类型变量包含红、绿、蓝三个通道的均值。希望这个解释能够帮助你理解cv::mean()函数的使用方法。