示例代码:
import cv2
# 定义一个处理图片缺口的函数,最后是返回x坐标,滑块移动不需要y坐标
def get_pos(image):
# 首先使用高斯模糊去噪,噪声会影响边缘检测的准确性,因此首先要将噪声过滤掉
blurred = cv2.GaussianBlur(image, (5, 5), 0, 0)
# 边缘检测,得到图片轮廓
canny = cv2.Canny(blurred, 200, 400) # 200为最小阈值,400为最大阈值,可以修改阈值达到不同的效果
# 轮廓检测
# cv2.findContours()函数接受的参数为二值图,即黑白的(不是灰度图),所以读取的图像要先转成灰度的,再转成二值图,此处canny已经是二值图
# contours:所有的轮廓像素坐标数组,hierarchy 轮廓之间的层次关系
contours, hierarchy = cv2.findContours(canny, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# print(contours, hierarchy)
for i, contour in enumerate(contours): # 对所有轮廓进行遍历
M = cv2.moments(contour) # 并计算每一个轮廓的力矩(Moment),就可以得出物体的质心位置
# print(M)
if M['m00'] == 0:
cx = cy = 0
else:
# 得到质心位置,打印这个轮廓的面积和周长,用于过滤
cx, cy = M['m10'] / M['m00'], M['m01'] / M['m00']
print(cv2.contourArea(contour), cv2.arcLength(contour, True))
# 判断这个轮廓是否在这个面积和周长的范围内
if 5000 < cv2.contourArea(contour) < 8000 and 300 < cv2.arcLength(contour, True) < 500:
print(cx)
if cx < 300:
continue
print(cv2.contourArea(contour))
print(cv2.arcLength(contour, True))
# 外接矩形,x,y是矩阵左上点的坐标,w,h是矩阵的宽和高
x, y, w, h = cv2.boundingRect(contour)
cv2.rectangle(image, (x, y), (x + w, y + h), (0, 0, 255), 2) # 画出矩行
# cv2.imshow('image', image)
cv2.imwrite('111.jpg', image) # 保存
return x
return 0
verify_img = cv2.imread('sliderImg.png')
# 调用函数,得到x坐标
x = get_pos(verify_img)
效果展示: