数字图像处理（实践篇）二画出图像中目标的轮廓

news2024/12/30 1:23:20

一涉及的OpenCV函数

二代码

三效果图

一涉及的OpenCV函数

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

image：源图像。
mode：轮廓的检索方式。cv2.RETR_EXTERNAL（只检测外轮廓）、cv2.RETR_LIST（检测的轮廓不建立等级关系）、cv2.RETR_CCOMP（建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息）、cv2.RETR_TREE（建立一个等级树结构的轮廓）。
method：一般用 cv2.CHAIN_APPROX_SIMPLE，表示用尽可能少的像素点表示轮廓。cv2.CHAIN_APPROX_NONE存储所有的轮廓点，相邻的两个点的像素位置差不超过1。
contours：图像轮廓坐标。list中每个元素都是图像中的一个轮廓，用numpy中的ndarray表示。
hierarchy：返回值，包含有关图像轮廓的拓扑信息。[Next, Previous, First Child, Parent]。

二代码

import cv2
import matplotlib.pyplot as plt
def dealImg(img):
    b, g, r = cv2.split(img)
    img_rgb = cv2.merge([r, g, b])
    return img_rgb
def dealImageResult(img_path):
    img = cv2.imread(img_path)
    img_copy = img.copy()
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # OTSU方法实现前景与背景分割
    ret2, dst_OTSU = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
    contours, hierarchy = cv2.findContours(dst_OTSU, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
    contourPic = cv2.drawContours(img_copy, contours, -1, (0, 255, 0), 3)
    fig = plt.figure(figsize=(8, 8))
    titles = ["img", "gray", "OTSU", "contourPic"]
    img = dealImg(img)
    contourPic = dealImg(contourPic)
    images = [img, gray, dst_OTSU, contourPic]
    for i in range(4):
        plt.subplot(2, 2, i + 1), plt.imshow(images[i], 'gray')
        plt.title(titles[i])
        plt.xticks([]), plt.yticks([])
    plt.show()
    fig.savefig('test_results.jpg', bbox_inches='tight')
if __name__ == '__main__':
    dealImageResult("1.png")
    pass

三效果图

前文回顾

入门篇目录

数字图像处理（入门篇）一图像的数字化与表示

数字图像处理（入门篇）二颜色空间

数字图像处理（入门篇）三灰度化

数字图像处理（入门篇）四像素关系

数字图像处理（入门篇）五图像数据预处理之颜色空间转换

数字图像处理（入门篇）六图像数据预处理之坐标变化

数字图像处理（入门篇）七图像数据预处理之灰度变化

数字图像处理（入门篇）八图像数据预处理之直方图

数字图像处理（入门篇）九图像数据预处理之滤波

数字图像处理（入门篇）十边缘检测

数字图像处理（入门篇）十一形态学处理

数字图像处理（入门篇）十二自适应阈值分割

数字图像处理（入门篇）十三仿射变换

数字图像处理（入门篇）十四透视变换