话不多说,上代码,看结果。
import cv2 # 导入库
font = cv2.FONT_HERSHEY_SIMPLEX
'''
cv2.imread(filename,flags)
# filename为文件名,图片与.py文件在一个文件夹时输入文件名即可
# 不在一个文件夹时输入图片的路径和名字
# flags为图片的颜色类型,默认为1,灰度图像为0
'''
img = cv2.imread('44.jpg')
img1 = cv2.imread('43.jpg')
'''
np.copy()
# 数组拷贝,理解成备份原图像就行
# 原图像img, 备份图像img1
# 原图像随便改,备份图像还是初始的原图像
'''
temp = img.copy()
temp1 = img1.copy()
'''
cv2.cvtColor()
# 颜色空间转换
# img为要转换的图像,后者为转换的格式
# 颜色空间有很多种,最常见的就是RGB颜色空间
# R红色,G绿色,B蓝色,OpenCV中顺序是BGR!!!!!!!
# [255, 0,0]是蓝色,[0, 255, 0]表示绿色,[0, 0, 255]表示红色
HSV颜色空间
# 也挺常用的,H是色调,S是饱和度,V是明度,具体百度就行
'''
gray = cv2.cvtColor(temp, cv2.COLOR_BGR2GRAY)
gray1 = cv2.cvtColor(temp1, cv2.COLOR_BGR2GRAY)
'''
cv2.namedWindow(winname,flags)
# winname是窗口名字
# flags为窗口显示方式,cv2.WINDOW_NORMAL为正常显示,可以调整大小
# cv2.WINDOW_AUTOSIZE显示原图片的大小,用户不能调整大小
'''
cv2.namedWindow('img', cv2.WINDOW_NORMAL)
cv2.namedWindow('img1', cv2.WINDOW_NORMAL)
cv2.imshow('img', img)
cv2.imshow('img1', img1)
# 对图片做二值变化
'''
cv2.threshold(src, thresh, maxval, type, dst)
给定阈值,可以过滤灰度值过大或过小的点
# src 要滤波的图像 dst 输出图像
# thresh 给定阈值 咋判断选取的这个数的好坏呢?不停尝试。
# 用Otsu 不停尝试
# 多加一个参数:cv2.THRESH_OTSU,这时要把阈值设为 0。然后算法会找到最优阈值.
# 这个最优阈值就是返回值ret。如果不使用Otsu二值化,返回的retVal 值与设定的阈值相等
# maxval cv2.THRESH_BINARY 二值化阈值,大于阈值的部分被置为255,小于部分被置为0
# cv2.THRESH_BINARY_INV 反向二值化阈值,大于阈值部分被置为0,小于部分被置为255
# cv2.THRESH_TOZERO 大于部分保持不变, 小于阈值部分被置为0
# cv2.THRESH_TOZERO_INV 大于阈值部分被置为0,小于部分保持不变
# cv2.THRESH_TRUNC 截断阈值化,大于阈值部分被置为threshold,小于部分保持原样
'''
ret, thresh = cv2.threshold(gray, 100, 200, cv2.THRESH_BINARY)
ret1, thresh1 = cv2.threshold(gray1, 100, 200, cv2.THRESH_BINARY)
'''
cv2.findContours(image, mode, method, contours, hierarchy, offset)
# image 输入图像, 8位单通道图像(一般为二值图)
# contours: 检测到的轮廓, 每个轮廓存储为一个点向量, 即Point类型的vector表示
# hierarchy: 可选的输出向量, 包含图像的拓扑信息。
# 其作为轮廓数量的表示, 包含了许多元素, 每个轮廓contours[i]对应4个hierarchy元素
# hierarchy[i][0]~hierarchy[i][3], 分别表示后一轮廓、前一轮廓、父轮廓、内嵌轮廓的索引编号,
# 如果没有对应项, 设置为负数
# mode: 轮廓检索模式, 取值如下:
# cv2.RETR_EXTERNAL=0-----表示只检测最外层轮廓
# cv2.RETR_LIST=1------提取所有轮廓并放置在list中, 轮廓不建立等级关系
# cv2.RETR_CCOMP=2------提取所有轮廓并组织为双层结构
# cv2.RETR_TREE =3------提取所有轮廓并重新建立网状轮廓结构
# method: 轮廓的近似方法,取值见图2
# offset: 每个轮廓的可选偏移量, 默认值Point()
'''
thresh, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
thresh1, contours1, hierarchy1 = cv2.findContours(thresh1, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
print(len(contours)) # 输出轮廓个数
print(len(contours1)) # 输出轮廓个数
for cnt in contours1:
'''
cv2.matchShapes(contours1, contour2, method, parameter)
# contour1:轮廓向量或者灰度图。
# contour2:轮廓向量或者灰度图。
# method:使用的比较方式。
# parameter:现在没用,直接设为0。
# contour1与contour2无顺序之分
'''
matchValue = cv2.matchShapes(contours[0], cnt, 1, 0.0)
print(matchValue)
if matchValue <= 0.16:
'''
cv2.drawContours(image, contours, contourIdx, color, thickness, lineType, hierarchy, maxLevel, offset)
画出图片中的轮廓值,也可以用来画轮廓的近似值
# img 输入的需要画的图片 contours 轮廓值
# -1表示轮廓的索引, (0, 0, 255)表示颜色, 2表示线条粗细
# lineType: 线条类型, 默认值8
# hierarcy: 可选的层次结构信息, 默认值noArray()
# maxLevel: 表示用于绘制轮廓的最大等级, 默认值INT_MAX
# offset: 可选的轮廓偏移参数, 默认值Point()
'''
cv2.drawContours(img1, cnt, -1, (0, 255, 0), 3)
cv2.imshow('match-Result', img1)
if cv2.waitKey() & 0xFF == 27:
continue
'''
cv2.waitKey(delay)
# delay为正数时,延时delay毫秒结束
# 想要用按下某个键时退出可用以下方法:
# if(cv2.waitKey(0) == ord('q')):
exit(0)
#别的方法也行,不唯一
'''
if cv2.waitKey(0) & 0xFF == 27:
exit(0)
'''
cv2.destroyWindow(winname)
#结束窗口,winname为窗口名
cv2.destroyAllWindows()
#结束所有窗口
'''
cv2.destroyAllWindows()
结果如下图。
就先这样,遇到别的再补充。