python中图像常规操作

import cv2
import numpy as np

img_list = []
image = cv2.imdecode(np.fromfile("E:/DIRPIC/pic/camera/111.png", dtype=np.uint8), -1)

if len(image.shape) == 3:
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
else:
    gray = image

_, binary = cv2.threshold(gray, 80, 255, cv2.THRESH_BINARY)

contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

drawing = np.zeros_like(binary)
cv2.drawContours(drawing, contours, -1, 255, 2)  # 最后两个参数分别为颜色和线宽

contours2 = sorted(contours, key=lambda i: len(i), reverse=True)


contour_total = []
for cnt in contours2:
    contour_total.extend(cnt) if cnt.shape[0] >= 1500 else None

x_top, y_top, w, h = cv2.boundingRect(np.array(contour_total))

img_crop = image[y_top:y_top + h, x_top:x_top + w].copy()

img_list.append(cv2.resize(img_crop, (256, 256)))



cv2.destroyAllWindows()

从图像中提取并裁剪出符合指定条件的轮廓区域，并将裁剪后的图像添加到 img_list 列表中。

首先，代码使用 cv2.imdecode() 函数读取图像文件，并根据文件路径创建一个图像对象 image。

然后，通过判断 image 的维度数来确定是否需要将图像转换为灰度图像。如果图像是彩色图像（维度数为3），则使用 cv2.cvtColor() 函数将图像转换为灰度图像；否则，将 image 赋值给灰度图像变量 gray。

接下来，使用 cv2.threshold() 函数对灰度图像 gray 进行阈值处理，将图像转换为二值图像 binary。

然后，使用 cv2.findContours() 函数找到二值图像中的轮廓。返回的轮廓列表存储在 contours 变量中。

接下来，创建一个与二值图像大小相同的空白图像 drawing，并使用 cv2.drawContours() 函数将轮廓绘制在 drawing 上。

然后，对轮廓列表 contours 进行排序，按照轮廓长度降序排列，存储在 contours2 变量中。

接下来，通过遍历 contours2 中的轮廓，将点数大于等于 1500 的轮廓的点集合并到 contour_total 中。

然后，使用 cv2.boundingRect() 函数计算 contour_total 的边界框位置信息，并将结果存储在变量 x_top、y_top、w 和 h 中。

最后，根据边界框位置信息，使用切片操作从原始图像 image 中提取出裁剪后的图像区域，并使用 cv2.resize() 函数将裁剪后的图像调整为大小为 (256, 256) 的图像，并将其添加到 img_list 列表中。