import cv2 # 导入 OpenCV 库,用于图像处理
import numpy as np # 导入 NumPy 库,用于处理数组和矩阵
# 创建一个 1 行 5 列的矩阵,所有元素为 1,用于形态学操作中的结构元素(内核)
kernel = np.ones((1, 5), np.uint8)
# 读取指定路径的图像文件
img = cv2.imread("C:\\Users\\Lijian\\Desktop\\timg.jpg")
# 将读取的图像转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 对灰度图像进行二值化处理,将像素值大于127的设为255,其余设为0
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 对二值图像进行形态学闭运算,使用之前定义的内核,指定锚点为 (2, 0),重复进行 5 次
binary = cv2.morphologyEx(binary, cv2.MORPH_CLOSE, kernel, anchor=(2, 0), iterations=5)
# 查找二值图像中的轮廓,使用 RETR_TREE 方法来检测轮廓层级结构
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 在原始图像上绘制找到的所有轮廓,使用红色 (0, 0, 255) 并设置线宽为 3
cv2.drawContours(img, contours, -1, (0, 0, 255), 3)
# 显示处理后的图像
cv2.imshow("img", img)
# 等待用户按下任意键后关闭图像窗口
cv2.waitKey(0)
这段代码展示了如何使用 OpenCV 进行基本的图像处理操作,从读取图像到进行二值化、形态学操作、轮廓检测,再到将轮廓绘制到图像上。