本文實(shí)例為大家分享了python opencv識(shí)別圖像輪廓的具體代碼，供大家參考，具體內(nèi)容如下

要求：用矩形或者圓形框住圖片中的云朵（不要求全部框出）

輪廓檢測(cè)

Opencv-Python接口中使用cv2.findContours()函數(shù)來(lái)查找檢測(cè)物體的輪廓。

import cv2

img = cv2.imread('cloud.jpg')
# 灰度圖像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化
ret, binary = cv2.threshold(gray, 175, 255, cv2.THRESH_BINARY)
img1, contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 以圓形框出云朵
# for i in range(len(contours)):
# (x, y), radius = cv2.minEnclosingCircle(contours[i])
# center = (int(x), int(y))
# radius = int(radius)
# img = cv2.circle(img, center, radius, (0, 255, 0), 2)

#以云朵邊界輪廓框出云朵
cv2.drawContours(img, contours, -1, (0, 0, 255), 3)

cv2.imshow("img", img)
cv2.waitKey(0)

需要注意的是cv2.findContours()函數(shù)接受的參數(shù)為二值圖，即黑白的（不是灰度圖），所以讀取的圖像要先轉(zhuǎn)成灰度的，再轉(zhuǎn)成二值圖。

cv2.findContours()函數(shù)

函數(shù)的原型為：

cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]]) 

返回兩個(gè)值：contours,hierarchy。注:opencv3會(huì)返回三個(gè)值,分別是img, countours, hierarchy

參數(shù)說(shuō)明

第一個(gè)參數(shù)是尋找輪廓的圖像
第二個(gè)參數(shù)表示輪廓的檢索模式，有四種：
1. cv2.RETR_EXTERNAL表示只檢測(cè)外輪廓
2. cv2.RETR_LIST檢測(cè)的輪廓不建立等級(jí)關(guān)系
3. cv2.RETR_CCOMP建立兩個(gè)等級(jí)的輪廓，上面的一層為外邊界，里面的一層為內(nèi)孔的邊界信息。如果內(nèi)孔內(nèi)還有一個(gè)連通物體，這個(gè)物體的邊界也在頂層。
4. cv2.RETR_TREE建立一個(gè)等級(jí)樹(shù)結(jié)構(gòu)的輪廓。
第三個(gè)參數(shù)method為輪廓的近似辦法
cv2.CHAIN_APPROX_NONE存儲(chǔ)所有的輪廓點(diǎn)，相鄰的兩個(gè)點(diǎn)的像素位置差不超過(guò)1，
即max(abs(x1−x2),abs(y2−y1))==1max(abs(x1−x2),abs(y2−y1))==1
cv2.CHAIN_APPROX_SIMPLE壓縮水平方向，垂直方向，對(duì)角線方向的元素，只保留該方向的終點(diǎn)坐標(biāo)，例如一個(gè)矩形輪廓只需4個(gè)點(diǎn)來(lái)保存輪廓信息
cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法

返回值

cv2.findContours()函數(shù)返回兩個(gè)值，一個(gè)是輪廓本身，還有一個(gè)是每條輪廓對(duì)應(yīng)的屬性。

contour返回值

cv2.findContours()函數(shù)首先返回一個(gè)list，list中每個(gè)元素都是圖像中的一個(gè)輪廓，用numpy中的ndarray表示。這個(gè)概念非常重要。在下面drawContours中會(huì)看見(jiàn)?？梢源蛴∮^察contours的數(shù)據(jù)類型。

print (type(contours)) 
print (type(contours[0])) 
print (len(contours)) 

hierarchy返回值

該函數(shù)還可返回一個(gè)可選的hiararchy結(jié)果，這是一個(gè)ndarray，其中的元素個(gè)數(shù)和輪廓個(gè)數(shù)相同，每個(gè)輪廓contours[i]對(duì)應(yīng)4個(gè)hierarchy元素hierarchy[i][0] ~hierarchy[i][3]，分別表示后一個(gè)輪廓、前一個(gè)輪廓、父輪廓、內(nèi)嵌輪廓的索引編號(hào)，如果沒(méi)有對(duì)應(yīng)項(xiàng)，則該值為負(fù)數(shù)。

輪廓的繪制

OpenCV中通過(guò)cv2.drawContours在圖像上繪制輪廓。

cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset ]]]]]) 

第一個(gè)參數(shù)是指明在哪幅圖像上繪制輪廓；
第二個(gè)參數(shù)是輪廓本身，在Python中是一個(gè)list；
第三個(gè)參數(shù)指定繪制輪廓list中的哪條輪廓，如果是-1，則繪制其中的所有輪廓。
后面的參數(shù)很簡(jiǎn)單。其中thickness表明輪廓線的寬度，如果是-1（cv2.FILLED），則為填充模式。

OpenCV中通過(guò)cv2.minEnclosingCircle()可以幫我們找到一個(gè)對(duì)象的外接圓。它是所有能夠包括對(duì)象的圓中面積最小的一個(gè)。

(x,y),radius = cv2.minEnclosingCircle(contours[i])
center = (int(x),int(y))
radius = int(radius)
img = cv2.circle(img,center,radius,(0,255,0),2)

本文已被收錄到專題《python圖片處理操作》 ，歡迎大家點(diǎn)擊學(xué)習(xí)更多精彩內(nèi)容。

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評(píng)論