【图像处理】——Python+opencv实现二值图像的轮廓边界跟踪以及轮廓面积周长的求解(findcontours函数和contourArea函数)

目录

一、函数 cv.findContours

二、轮廓层级(返回参数hierarchy)

三、轮廓寻找方式

1. RETR_LIST

2. RETR_TREE

3. RETR_EXTERNAL

4. RETR_CCOMP

四、实例

五、contourArea(contour)函数详解

六、 drawContours()函数详解

七、基于链码的二值图像轮廓跟踪法

代码复现:


  • 转载请注明本函数文详细地址

  • 本文讲解了opencv自带轮廓跟踪以及绘制轮廓的函数

  • 本文讲解了一种基于链码的一种轮廓检测方法

  • 本文一到四部分转载至:《opencv cv.findContours 函数详解》

一、函数 cv.findContours

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

    参数1:源图像
    参数2:轮廓的检索方式,这篇文章主要讲解这个参数
    参数3:一般用 cv.CHAIN_APPROX_SIMPLE,就表示用尽可能少的像素点表示轮廓
    contours:图像轮廓坐标,是一个列表
    hierarchy:[Next, Previous, First Child, Parent],文中有详细解释

我们使用cv.findContours()寻找轮廓时,参数2表示轮廓的检索方式(RetrievalModes),

  • 5
    点赞
  • 84
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
机器学习水果识别是一种利用机器学习算法和图像处理技术对水果进行自动识别的方法。其中,使用Python中的OpenCV实现物体特征提取是一种常见的实现方式。 OpenCV是一个强大的开源计算机视觉库,提供了许多用于图像处理和分析的函数和工具。它可以辅助我们实现水果识别所需要的特征提取步骤。 首先,我们需要准备水果像数据集。这些像可以是不同种类的水果,每个水果都有多个不同视角的像。接下来,我们使用OpenCV库中的函数加载和处理这些像。 在特征提取中,我们可以使用很多不同的技术。其中,最常用的方法是使用像的颜色和纹理特征。在处理像时,我们可以使用OpenCV中的函数计算这些特征。 例如,我们可以使用OpenCV中的函数提取像的颜色直方。这可以帮助我们了解像中不同颜色的比例和分布情况。在水果识别中,不同水果的颜色特征往往是不同的。 此外,我们还可以使用OpenCV中的纹理特征提取方法,比如局部二值模式(Local Binary Patterns)。这可以帮助我们分析像中的纹理信息,如像的细节和纹理变化。这些纹理特征在识别不同类型的水果时也是有用的。 最后,我们可以使用机器学习算法,如支持向量机(SVM)或卷积神经网络(CNN),来训练一个分类模型。这个模型可以根据提取的特征来判断输入像是否为某种水果。 总之,使用Python中的OpenCV实现水果识别中的物体特征提取是一种非常有效的方法。通过提取像的颜色和纹理特征,并使用机器学习算法进行分类,我们可以实现一个准确和高效的水果识别系统。

“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

打赏作者

有情怀的机械男

你的鼓励将是我最大的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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