做网站怎么赚钱,手机网站seo教程,灵山建设局网站,天河区建网站文章目录 一、轮廓的检测二、轮廓的绘制图像轮廓检测与绘制的代码实现 三、轮廓的近似 一、轮廓的检测
轮廓检测是指在包含目标和背景的数字图像中#xff0c;忽略背景和目标内部的纹理以及噪声干扰的影响#xff0c;采用一定的技术和方法来实现目标轮廓提取的过程注意:做轮… 文章目录 一、轮廓的检测二、轮廓的绘制图像轮廓检测与绘制的代码实现 三、轮廓的近似 一、轮廓的检测
轮廓检测是指在包含目标和背景的数字图像中忽略背景和目标内部的纹理以及噪声干扰的影响采用一定的技术和方法来实现目标轮廓提取的过程注意:做轮廓检测前需要将图片读取为二值数据即像素值只为0和255轮廓检测所用到的函数为 cv2.findcontoursimg, mode, method参数介绍 image:需要实现轮廓检测的原图mode:轮廓的检索模式主要有四种方式: CV2.RETR_EXTERNAL:只检测外轮廓所有子轮廓被忽略CV2.RETR_LIST:检测的轮廓不建立等级关系所有轮廓属于同一等级。CV2.RETR_CCOMP: 检索所有的轮廓并建立一个两级层次结构其中上面的一层为外边界里面的一层为内孔的边界轮廓。CV2.RETR_TREE:返回所有的轮廓建立一个完整的组织结构的轮廓。 method:轮廓的近似方法主要有以下两种: CV2.CHAIN_APPROX_NONE:存储所有的轮廓点。CV2.CHAIN_APPROX_SIMPLE:压缩模式只保留该方向的终点坐标例如一个矩形轮廓只需4个点来保存轮廊信息。 返回的参数image,contours,hierarchy image:返回处理的原图在 OpenCV 4.x 中这个返回值已经被移除contours:包含图像中所有轮廓的list对象。其中每一个独立的轮廓信息以边界点坐标(x,y)的形式储存在numpy数组中。hierarchy:轮廓的层次结构。一个包含4个值的数组:[NextPreviousFirst childParent] Next:与当前轮廓处于同一层级的下一条轮廓Previous:与当前轮廓处于同一层级的上一条轮廓First Child:当前轮廓的第一条子轮廓Parent:当前轮廓的父轮廓
二、轮廓的绘制
cv2.drawContours函数是用于在图像上绘制轮廓参数介绍cv2.drawContours(image, contours, contourIdx, color, thicknessNone lineTypeNone, hierarchyNone, maxLevelNone, offsetNone) image:要在其上绘制轮廓的输入图像在原图中画。contours:轮廓列表通常由cv2.findContours()函数返回。contourIdx:要绘制的轮廓的索引。如果为负数则绘制所有轮廓。– -1color:轮廓的颜色以BGR格式表示。例如(02550)表示绿色。thickness:轮廓线的粗细默认值为1。lineType:轮廓线的类型。默认值为cV2.LINE_8hierarchy:轮廓层次结构。通常由cv2.findContours()函数返回.maxLevel:绘制的最大轮廓层级。默认值为None,表示绘制所有层级。offset:轮廓点的偏移量。默认值为None。
图像轮廓检测与绘制的代码实现
import cv2# 读取图片
phone cv2.imread(phone.png)
phone_gray cv2.cvtColor(phone, cv2.COLOR_BGR2GRAY) # 转换为灰度图# 阙值处理为二值(黑白图像)
ret, phone_binary cv2.threshold(phone_gray, 120, 255, cv2.THRESH_BINARY)
# 查找图像轮廓 cv2.RETR_LIST -- 查找所有轮廓且不建立等级关系
_, contours, hierarchy cv2.findContours(phone_binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)
# 查看轮廓的层次结构
print(hierarchy)
# 查看一共有多少的轮廓
print(len(contours))# 绘制所有的轮廓
Contours_show cv2.drawContours(phone, contourscontours, contourIdx-1, color(0, 255, 0), thickness3)# 显示灰度图和在原图中绘出轮廓后的图
cv2.imshow(phone_gray, phone_gray)
cv2.imshow(Contours_show, Contours_show)# 等待任意键按下后关闭所有窗口
cv2.waitKey(0)
cv2.destroyAllWindows()结果如下
三、轮廓的近似 轮廓的近似是计算机视觉和图像处理中的一个常用技术。它可以帮助我们简化轮廓的形状去除一些不必要的细节同时保持轮廓的主要形状特征。 在OpenCV中可以使用cv2.approxPolyDP()函数来近似一个轮廓。这个函数基于 Douglas-Peucker 算法该算法通过迭代的方式简化轮廓的顶点集合以生成一个近似于原始轮廓的多边形但顶点数量更少。这在处理图像中的形状时非常有用特别是当你想要去除轮廓上的小噪点或不必要的细节同时保留其主要形状特征时。 参数解释cv2.approxPolyDP(curve, epsilon, closed) curve输入轮廓通常是一个由点组成的 NumPy 数组这些点定义了轮廓的形状。epsilon近似的精度参数。它是原始轮廓到近似多边形之间的最大距离。较小的 epsilon 值意味着近似多边形将更接近原始轮廓但可能会包含更多的顶点。较大的 epsilon 值会导致生成一个更简单的多边形但可能会丢失一些细节。closed一个布尔值指定近似多边形是否应该是封闭的。如果为 True则函数将确保近似多边形是封闭的即第一个和最后一个顶点将相同。 返回值 approx 是一个新的 NumPy 数组包含了近似多边形的顶点。 代码实现 import cv2# 读取图像
he cv2.imread(he.png)# 转换为灰度图像
he_gray cv2.cvtColor(he, cv2.COLOR_BGR2GRAY)# 应用阈值处理
ret, he_thresh cv2.threshold(he_gray, 120, 255, cv2.THRESH_BINARY)# 查找轮廓
_, contours, hierarchy cv2.findContours(he_thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)# 创建一个新图像用于绘制轮廓
he_new he.copy()# 遍历所有轮廓
for cnt in contours:# 轮廓近似# cv2.arcLength()函数用于计算轮廓的周长(近似的精度设置为周长的0.2%)epsilon 0.002 * cv2.arcLength(cnt, True) # 可以调整epsilon的值以获得不同的近似精度approx cv2.approxPolyDP(cnt, epsilon, True)# 绘制近似后的轮廓cv2.drawContours(he_new, [approx], 0, (0, 255, 0), 3)# 显示原始图像和带有轮廓的图像
cv2.imshow(Original Image, he)
cv2.imshow(Image with Contours, he_new)# 等待任意键按下后关闭所有窗口
cv2.waitKey(0)
cv2.destroyAllWindows()结果如下 由结果可以看出轮廓的近似结果就是一个近似于原始轮廓的多边行。
