python边缘检测矫正_python边缘检测 - osc_axrkis5i的个人空间 - OSCHINA - 中文开源技术交流社区...

二值化，轮廓检测，去掉小框，

import cv2

import numpy as np

img = cv2.pyrDown(cv2.imread("hammer.jpg", cv2.IMREAD_UNCHANGED))

# threshold 函数对图像进行二化值处理，由于处理后图像对原图像有所变化，因此img.copy()生成新的图像，cv2.THRESH_BINARY是二化值

ret, thresh = cv2.threshold(cv2.cvtColor(img.copy(), cv2.COLOR_BGR2GRAY), 127, 255, cv2.THRESH_BINARY)

# findContours函数查找图像里的图形轮廓

# 函数参数thresh是图像对象

# 层次类型，参数cv2.RETR_EXTERNAL是获取最外层轮廓，cv2.RETR_TREE是获取轮廓的整体结构

# 轮廓逼近方法

# 输出的返回值，image是原图像、contours是图像的轮廓、hier是层次类型

image, contours, hier = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for c in contours:

# 轮廓绘制方法一

# boundingRect函数计算边框值，x，y是坐标值，w，h是矩形的宽和高

x, y, w, h = cv2.boundingRect(c)

# 在img图像画出矩形，(x, y), (x + w, y + h)是矩形坐标，(0, 255, 0)设置通道颜色，2是设置线条粗度

cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)

# 轮廓绘制方法二

# 查找最小区域

rect = cv2.minAreaRect(c)

# 计算最小面积矩形的坐标

box = cv2.boxPoints(rect)

# 将坐标规范化为整数

box = np.int0(box)

# 绘制矩形

cv2.drawContours(img, [box], 0, (0, 0, 255), 3)

# 轮廓绘制方法三

# 圆心坐标和半径的计算

(x, y), radius = cv2.minEnclosingCircle(c)

# 规范化为整数

center = (int(x), int(y))

radius = int(radius)

# 勾画圆形区域

img = cv2.circle(img, center, radius, (0, 255, 0), 2)

# # 轮廓绘制方法四

# 围绕图形勾画蓝色线条

cv2.drawContours(img, contours, -1, (255, 0, 0), 2)

# 显示图像

cv2.imshow("contours", img)

cv2.waitKey()

cv2.destroyAllWindows()