使用openCV进行边缘检测、二值化、轮廓、轮廓检测、BGR、灰度图、二值化，专栏：各种openCV实践的案例

专栏连接：openCV练习-各种openCV实践的案例

---

前言

使用OpenCV的轮廓检测，当我们加入对象的边界上的所有点时，我们得到一个轮廓。 通常，特定轮廓区域与边界像素有关，具有相似的颜色和强度。 每当强度或颜色变化很大，那么几乎总是从那里开始一个新的轮廓区域。

环境：ubuntu、anaconda、python、vscode

---

基本步骤

1.读取图像并将其转换为灰度格式

import cv2
image = cv2.imread('/data/file/img/image_1.jpg')
img_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

2.应用二进制阈值

ret, thresh = cv2.threshold(img_gray, 150, 255, cv2.THRESH_BINARY)

这里的ret是阈值，小于这个阈值的像素点的值会被改变为0，大于这个阈值的像素点的值会被改变为255。（我这里的ret的值是150）

thresh是应用阈值处理之后的二值化图像。

让我们来看一下二值化后的图像

可以看出边缘是很清晰的。

3.使用chain_approx_none绘制轮廓

contours, hierarchy = cv2.findContours(image=thresh, mode=cv2.RETR_TREE, method=cv2.CHAIN_APPROX_NONE)

image_copy = image.copy()
cv2.drawContours(image=image_copy, contours=contours, contourIdx=-1, color=(0, 255, 0), thickness=2, lineType=cv2.LINE_AA)

cv2.imshow('None approximation', image_copy)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意，直接点击×掉显示的窗口不会使得程序停止，除非你再执行一个

cv2.destroyAllWindows()

正确关闭窗口的操作是点击图像后，按任意的键即可关闭图像。

这里在二值化后的图像找到边缘，然后将边缘画在原图上，就形成了上面的图片。

以上就是边缘检测的基本操作，下面的案例几乎都是和上面的操作类似。

4.使用单个通道：红色，绿色或蓝色

# 使用上面已经读取了的图像
# 将图像的B，G，R通道分开
blue, green, red = cv2.split(image)
contours1, hierarchy1 = cv2.findContours(image=blue, mode=cv2.RETR_TREE, method=cv2.CHAIN_APPROX_NONE)
image_contours_blue = image.copy()
cv2.drawContours(image=image_contours_blue, contours=contours1, contourIdx=-1, 
                                color=(0, 255, 0), thickness=2, lineType=cv2.LINE_AA)
cv2.imshow('Contours detection using blue channels only', image_contours_blue)
cv2.waitKey(0)
cv2.destroyAllWindows()

# detect contours using green channel and without thresholding
contours2, hierarchy2 = cv2.findContours(image=green, mode=cv2.RETR_TREE, method=cv2.CHAIN_APPROX_NONE)
# draw contours on the original image
image_contour_green = image.copy()
cv2.drawContours(image=image_contour_green, contours=contours2, contourIdx=-1, color=(0, 255, 0), thickness=2, lineType=cv2.LINE_AA)
# see the results
cv2.imshow('Contour detection using green channels only', image_contour_green)
cv2.waitKey(0)
cv2.destroyAllWindows()

# detect contours using red channel and without thresholding
contours3, hierarchy3 = cv2.findContours(image=red, mode=cv2.RETR_TREE, method=cv2.CHAIN_APPROX_NONE)
# draw contours on the original image
image_contour_red = image.copy()
cv2.drawContours(image=image_contour_red, contours=contours3, contourIdx=-1, color=(0, 255, 0), thickness=2, lineType=cv2.LINE_AA)
# see the results
cv2.imshow('Contour detection using red channels only', image_contour_red)
cv2.waitKey(0)
cv2.destroyAllWindows()

可以看出使用单通道进行边缘检测都不是很准确。

---

总结

这个实验我们使用了openCV的轮廓和轮廓检测。

参考连接：https://learnopencv.com/contour-detection-using-opencv-python-c/#What-are-Contours