OpenCV图像轮廓 OpenCV图像轮廓的绘制方法(IT技术) |
您所在的位置：网站首页 › opencv轮廓筛选 › OpenCV图像轮廓 OpenCV图像轮廓的绘制方法(IT技术) |
OpenCV图像轮廓 OpenCV图像轮廓的绘制方法(IT技术)
|
想了解OpenCV图像轮廓的绘制方法的相关内容吗，404_久夏青在本文为您仔细讲解OpenCV图像轮廓的相关知识和一些Code实例，欢迎阅读和指正，我们先划重点：OpenCV,图像轮廓，下面大家一起来学习吧。
OpenCV绘制图像轮廓
绘制轮廓的一般步骤: 1、读取图像 image = cv2.imread('image_path')2、将原图转化为灰度图像 image_gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)3、将灰度图像进行二值化阈值处理 # 这里将阈值设置为127为例,最大阈值为255 t, binary = cv.threshold(image_gray, 127, 255, cv.THRESH_BINARY)4、检测二值化图像中边缘轮廓 # 这里以检测所有轮廓,不建立层次关系为例 contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)5、在原图上绘制图像 # 这里将轮廓索引设置为-1,绘制出所有轮廓,颜色设置为红色，宽度为2为例 cv2.drawContours(image, contours, -1, (0, 0, 255), 2)6、显示图像 cv2.imshow('image', image) 测试检测几何图形轮廓：代码如下： # -*- coding: utf-8 -*- # @Time : 2021/8/17 # @Author : ZYh """ Introduction: 图像轮廓检测: OpenCV提供的findContours()方法可以通过计算图像梯度来判断出图像的边缘,然后将边缘的点封装成数组返回 contours, hierarchy = cv2.findContours(image, mode, mothode) 参数: image->被检测图像必须是8位单通道二值图像。如果原图是rgb图像,必须转为灰度图像,在进行二值化阈值处理 mode->轮廓的检索模式 参数值 含义 cv2.RETR_EXTERNAL 只检测外轮廓 cv2.RETR_LIST 检测所有轮廓,但不建立层次关系 cv2.RETR_CCOMP 检测所有轮廓,并建立两级层次关系 cv2.RETR_TREE 检测所有轮廓,并建立树状结构的层次关系 mothode->检测轮廓时使用的方法 参数值 含义 cv2.CHAIN_NONE 储存轮廓上的所有点 cv2.CHAIN_APPROX_SIMPLE 只保存水平、垂直或对角线轮廓的端点 cv2.CHAIN_APPROX_TC89_L1 Ten_Chinl近似算法的一种 cv2.CHAIN_APPROX_TC89_KCOS Ten_Chinl近似算法的一种 retval: contours->检测出的所有轮廓,list类型,每一个元素都是某个轮廓的像素坐标数组 hierarchy->轮廓之间的层次关系 图像轮廓绘制: image = cv2.drawContours(image, contours, contourIdx, color, thickness, lineTypee, hierarchy, maxLevel, offse) 参数: image->被绘制轮廓的原始图像,可以是多通道图像 contours->findContours()方法得出的轮廓列表 contourIdx->绘制轮廓的索引,如果为-1则绘制所有轮廓 color:绘制颜色,BGR格式 thickness->可选参数,画笔的粗细,如果为-1则绘制实心轮廓 lineTypee->可选参数,绘制轮廓的线型 hierarchy->可选参数,findContours()方法得出的层次关系 maxLevel->可选参数,绘制轮廓的层次深度,最深绘制第maxLevel层 offse->可选参数,偏移量,可以改变绘制结果的位置 """ import cv2 as cv # 读取加载图像 image1 = cv.imread('shape1.png') image2 = cv.imread('shape1.png') # 将图像由RGB格式转为灰度图像 gray1 = cv.cvtColor(image1, cv.COLOR_BGR2GRAY) gray2 = cv.cvtColor(image2, cv.COLOR_BGR2GRAY) # 将图像进行二值化阈值处理, 返回t是处理时采用的阈值,binary是阈值处理后的图像 t1, binary1 = cv.threshold(gray1, 127, 255, cv.THRESH_BINARY) t2, binary2 = cv.threshold(gray2, 127, 255, cv.THRESH_BINARY) # 检测图像中出现的所有轮廓,记录轮廓的每一个点 contours1, hierarchy1 = cv.findContours(binary1, cv.RETR_LIST, cv.CHAIN_APPROX_NONE) # 显示原图 cv.imshow('image', image1) # 绘制所有轮廓,宽度为3,颜色为红色 cv.drawContours(image1, contours1, -1, (0, 0, 255), 3) cv.imshow('cv.RETR_LIST', image1) # 检测图像中的外轮廓，记录轮廓的每一个点 contours2, hierarchy2 = cv.findContours(binary2, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_NONE) # 使用cv2.RETR_EXTERNAL做参数绘制外轮廓,宽度为3,颜色为蓝色 cv.drawContours(image2, contours2, -1, (255, 0, 0), 3) cv.imshow('cv.RETR_EXTERNAL', image2) cv.waitKey() cv.destroyAllWindows()运行结果：
代码如下： # -*- coding: utf-8 -*- # @Time : 2021/8/18 # @Author : ZYh """ Introduction: 绘制花朵所有轮廓 """ import cv2 as cv image_flower = cv.imread('flower.png') # 显示原图 cv.imshow('flower1', image_flower) # 对图像进行中值滤波处理，去除噪声 image_flower = cv.medianBlur(image_flower, 5) cv.imshow('flower2', image_flower) # 将图像从RGB转为单通道灰度图像 gray_flower = cv.cvtColor(image_flower, cv.COLOR_BGR2GRAY) # 灰度图像进行二值化阈值处理 t, binary = cv.threshold(gray_flower, 127, 255, cv.THRESH_BINARY) # 显示二值化图像 cv.imshow('binary', binary) # 获取二值化图像中的轮廓以及轮廓层次 contours, hierarchy = cv.findContours(binary, cv.RETR_LIST, cv.CHAIN_APPROX_NONE) # 在原图中绘制轮廓 cv.drawContours(image_flower, contours, -1, (0, 255, 255), 2) # 显示绘制轮廓后的图像 cv.imshow('cv.RETR_LIST', image_flower) cv.waitKey() cv.destroyAllWindows()运行结果:
|
【本文地址】
今日新闻 |
推荐新闻 |