【OpenCV-Python】：使用OpenCV处理图像并提取轮廓及其矩和面积

猪猪爱学习

已于 2024-03-28 09:05:01 修改

阅读量2.7k

点赞数 12

分类专栏： OpenCV-Python 文章标签： opencv python 人工智能

于 2024-03-28 09:03:49 首次发布

本文链接：https://blog.csdn.net/weixin_45477686/article/details/137097316

版权

OpenCV-Python 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

本文详细讲解了如何通过OpenCV库读取图像，将其转换为灰度并进行二值化处理，提取轮廓，并计算每个轮廓的矩和面积，以便于图像分析和物体检测。

摘要由CSDN通过智能技术生成

摘要：本文介绍了如何使用OpenCV库来读取图像，将其转换为灰度图像，进行二值化处理，提取轮廓，并计算每个轮廓的矩和面积。通过这个过程，我们可以更好地理解和分析图像中的物体形状和特征。

11.下面是使用OpenCV进行图像轮廓提取和矩计算的完整代码：

四、运行与结果

五、总结

一、引言

在图像处理和计算机视觉领域，轮廓提取是一项重要的任务。通过提取图像的轮廓，我们可以获取到物体的形状信息，进而进行后续的分析和处理。OpenCV是一个强大的计算机视觉库，它提供了丰富的函数和工具来处理和分析图像。本文将介绍如何使用OpenCV来实现图像的轮廓提取和矩计算。

二、环境准备

在开始之前，请确保已经安装了OpenCV库。你可以通过pip来安装它：

pip install opencv-python

三、代码实现

1. 导入必要的库

import cv2  
import numpy as np
#我们导入了cv2（OpenCV库）和numpy（用于数组操作）。

2. 读取图片

img_path = 'pic/shape4.jpg'  # 替换为你的图片路径  
img = cv2.imread(img_path)

我们定义了一个变量img_path来存储图片的路径，并使用cv2.imread函数读取图片。

3. 检查图片是否读取成功

if img is None:  
    print("错误：图片未正确读取，请检查文件路径。")  
    exit()

如果图片没有正确读取（例如文件路径错误或文件损坏），cv2.imread会返回None。我们通过检查img是否为None来确保图片读取成功。

4. 将图片转换为灰度图像

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

在轮廓提取之前，通常需要将彩色图像转换为灰度图像，因为灰度图像只包含亮度信息，处理起来更简单。

5. 对灰度图像进行二值化处理

ret, img_binary = cv2.threshold(gray, 125, 255, cv2.THRESH_BINARY)

二值化处理是将灰度图像的像素值转换为0或255，这有助于我们更清晰地识别轮廓。这里使用了一个简单的阈值方法。

6. 查找轮廓

contours, hierarchy = cv2.findContours(img_binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

使用cv2.findContours函数在二值化图像中查找轮廓。这个函数返回两个值：轮廓列表contours和轮廓之间的层次结构hierarchy。

7. 绘制轮廓

img_contours = np.zeros(img.shape, np.uint8) + 255  
cv2.drawContours(img_contours, contours, -1, (0, 0, 255), 2)

我们创建了一个全白的图像img_contours，与原图同样大小，并在其上绘制了红色轮廓。-1表示绘制所有轮廓。

8. 显示图像

cv2.imshow('原图', img)  
cv2.imshow('轮廓', img_contours)

使用cv2.imshow函数显示原图和带有轮廓的图像。

9. 遍历轮廓并计算矩和面积

for n, contour in enumerate(contours):  
    moments = cv2.moments(contour)  
    print(f'轮廓{n}的矩：', moments)  
    if moments['m00'] != 0:  
        area = moments['m00']  
        print(f'轮廓{n}的面积：', area)  
    else:  
        print(f'轮廓{n}没有有效面积。')

对于找到的每个轮廓，我们使用cv2.moments函数计算其矩。矩包含了关于轮廓形状的信息，例如面积（m00）。如果m00不为0，则计算并打印轮廓的面积。

10. 等待并关闭窗口

cv2.waitKey(0)  
cv2.destroyAllWindows()

使用cv2.waitKey(0)等待用户按键，然后使用cv2.destroyAllWindows()关闭所有打开的窗口。

11.下面是使用OpenCV进行图像轮廓提取和矩计算的完整代码：

import cv2  
import numpy as np  
  
# 读取图片  
img_path = 'pic/shape4.jpg'  # 替换为你的图片路径  
img = cv2.imread(img_path)  
  
# 检查图片是否读取成功  
if img is None:  
    print("错误：图片未正确读取，请检查文件路径。")  
    exit()  
  
# 将图片转换为灰度图像  
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  
  
# 对灰度图像进行二值化处理  
ret, img_binary = cv2.threshold(gray, 125, 255, cv2.THRESH_BINARY)  
  
# 查找轮廓  
contours, hierarchy = cv2.findContours(img_binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)  
  
# 创建一个与原图同样大小的全白图像  
img_contours = np.zeros(img.shape, np.uint8) + 255  
  
# 在全白图像上绘制所有轮廓，轮廓颜色为红色  
cv2.drawContours(img_contours, contours, -1, (0, 0, 255), 2)  
  
# 显示原图和带有轮廓的图像  
cv2.imshow('原图', img)  
cv2.imshow('轮廓', img_contours)  
  
# 遍历所有轮廓，并计算它们的矩  
for n, contour in enumerate(contours):  
    moments = cv2.moments(contour)  
  
    # 打印轮廓的矩  
    print(f'轮廓{n}的矩：', moments)  
  
    # 打印轮廓的面积，注意：如果m00为0，则不计算面积  
    if moments['m00'] != 0:  
        area = moments['m00']  
        print(f'轮廓{n}的面积：', area)  
    else:  
        print(f'轮廓{n}没有有效面积。')  
  
# 等待按键，然后关闭窗口  
cv2.waitKey(0)  
cv2.destroyAllWindows()