怎么做电子商务网站,办公电脑租赁,旅游网站排名相关推荐,实验室网站模板知识重点
灰度图转换: gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)二值化: 返回两个东西#xff0c;一个阈值#xff0c; 一个是二值化的图: thresh, binary cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)查找轮廓: 返回两个结果#xff0c;分别是轮廓和层级: c…知识重点
灰度图转换: gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)二值化: 返回两个东西一个阈值 一个是二值化的图: thresh, binary cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)查找轮廓: 返回两个结果分别是轮廓和层级: contours, hierarchy cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE )描绘轮廓: cv2.drawContours(img_copy, contours, -1, (0, 0, 255), 2) 索引取-1时描绘所有轮廓.轮廓面积计算: area cv2.contourArea(contours[1]) # print(area: , area) 轮廓周长计算: perimeter cv2.arcLength(contours[1], closed False) # perimeter 周长多边形逼近: approx cv2.approxPolyDP(contours[0], 6, closed True)凸包计算: hull cv2.convexHull(contours[0]) 凸包指的是完全包含原有轮廓并且仅由轮廓上的点所构成的多边形。最小外接矩形: rect cv2.minAreaRect(contours[1]) box cv2.boxPoints(rect) box np.round(box).astype(int64) # 注意坐标必须是整数的, 所以需要转化一下cv2.drawContours(img, [box], 0, (255, 0, 0), 2) 最大外接矩形: x, y, w, h cv2.boundingRect(contours[1]) # 最大外接矩形参数, (x,y), (w, h) cv2.rectangle(img, (x, y), (x w, y h), (0, 0, 255), 2) 外接圆: (a, b), radius cv2.minEnclosingCircle(contours[1]) # , 返回圆的中心点和半径 cv2.circle(img, (int(a), int(b)), int(radius), (0, 255, 0), 2) 7. 图像轮廓
7.1 什么是图像轮廓
图像轮廓是具有相同颜色或灰度的连续点的曲线. 轮廓在形状分析和物体的检测和识别中很有用。
轮廓的作用: 用于图形分析 物体的识别和检测
注意点: 为了检测的准确性需要先对图像进行二值化或Canny操作。 画轮廓时会修改输入的图像, 如果之后想继续使用原始图像应该将原始图像储存到其他变量中。
7.2 查找轮廓 findContours(image, mode, method[, contours[, hierarchy[, offset]]]) mode 查找轮廓的模式 RETR_EXTERNAL 0, 表示只检测外围轮廓 RETR_LIST 1, 检测的轮廓不建立等级关系, 即检测所有轮廓, 较为常用 RETR_CCOMP 2, 每层最多两级, 从小到大, 从里到外. RETR_TREE 3, 按照树型存储轮廓, 从大到小, 从右到左.
import cv2
import numpy as np# 显示黑白实际为彩图
img cv2.imread(./contours1.jpeg)
# 先变成单通道的黑白图片
gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化返回两个东西一个阈值 一个是二值化的图
thresh, binary cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)# 查找轮廓新版本返回两个结果分别是轮廓和层级
contours, hierarchy cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
# 画轮廓是会直接修改原图如果保证原图不变建议先拷贝
img_copy img.copy()
cv2.drawContours(img_copy, contours, -1, (0, 0, 255), 2) # 索引轮廓cv2.imshow(img, img)
cv2.imshow(img_copy, img_copy)
cv2.waitKey(0)
cv2.destroyAllWindows() method 轮廓近似方法也叫 ApproximationMode CHAIN_APPROX_NONE 保存所有轮廓上的点 CHAIN_APPROX_SIMPLE, 只保存角点, 比如四边形, 只保留四边形的4个角, 存储信息少, 比较常用 返回 contours和hierachy 即轮廓和层级
7.3 绘制轮廓 drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]]) image 要绘制的轮廓图像 contours轮廓点 contourIdx 要绘制的轮廓的编号. -1 表示绘制所有轮廓 color 轮廓的颜色, 如 (0, 0, 255)表示红色 thickness 线宽, -1 表示全部填充
import cv2
import numpy as np# 显示黑白实际为彩图
img cv2.imread(./contours1.jpeg)
# 先变成单通道的黑白图片
gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 二值化返回两个东西一个阈值 一个是二值化的图
thresh, binary cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)# 查找轮廓新版本返回两个结果分别是轮廓和层级
contours, hierarchy cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)# 画轮廓是会直接修改原图如果保证原图不变建议先拷贝
img_copy img.copy()
cv2.drawContours(img_copy, contours, 1, (0, 0, 255), 2) # 看1#的轮廓cv2.imshow(img, img)
cv2.imshow(img_copy, img_copy)
cv2.waitKey(0)
cv2.destroyAllWindows() 7.4 轮廓的面积和周长
轮廓面积是指每个轮廓中所有的像素点围成区域的面积单位为像素。
轮廓面积是轮廓重要的统计特性之一通过轮廓面积的大小可以进一步分析每个轮廓隐含的信息例如通过轮廓面积区分物体大小识别不同的物体。在查找到轮廓后, 可能会有很多细小的轮廓, 我们可以通过轮廓的面积进行过滤. contourArea(contour) arcLength(curve, closed) curve即轮廓 closed是否是闭合的轮廓
import cv2
import numpy as np# 显示黑白实际为彩图
img cv2.imread(./contours1.jpeg)# 先变成单通道的黑白图片
gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化返回两个东西一个阈值 一个是二值化的图
thresh, binary cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
# 查找轮廓新版本返回两个结果分别是轮廓和层级
contours, hierarchy cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)# 画轮廓是会直接修改原图如果保证原图不变建议先拷贝
img_copy img.copy()
cv2.drawContours(img_copy, contours, 1, (0, 0, 255), 2) # 索引轮廓# 计算轮廓面积
area cv2.contourArea(contours[1])
print(area: , area) # area: 74798.0
# 计算轮廓周长
perimeter cv2.arcLength(contours[1], closed False)
print(perimeter: ,perimeter) # perimeter: 821.656cv2.imshow(img, img)
cv2.imshow(img_copy, img_copy)
cv2.waitKey(0)
cv2.destroyAllWindows() 7.5 多边形逼近与凸包
findContours后的轮廓信息contours可能过于复杂不平滑可以用approxPolyDP函数对该多边形曲线做适当近似,这就是轮廓的多边形逼近.apporxPolyDP就是以多边形去逼近轮廓采用的是Douglas-Peucker算法方法名中的DP,DP算法原理比较简单核心就是不断找多边形最远的点加入形成新的多边形直到最短距离小于指定的精度。 approxPolyDP(curve, epsilon, closed[, approxCurve]) curve 要近似逼近的轮廓 epsilon 即DP算法使用的阈值 closed 轮廓是否闭合
import cv2
import numpy as np# 显示黑白实际为彩图
img cv2.imread(./hand.png)
# print(img.shape)
# 先变成单通道的黑白图片
gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 二值化返回两个东西一个阈值 一个是二值化的图
thresh, binary cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
# 查找轮廓新版本返回两个结果分别是轮廓和层级
contours, hierarchy cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)# 画轮廓是会直接修改原图如果保证原图不变建议先拷贝
img_copy img.copy()
cv2.drawContours(img_copy, contours, 0, (0, 0, 255), 2) # 索引轮廓# 使用多边形逼近近似模拟多边形的轮廓
approx cv2.approxPolyDP(contours[0], 6, closed True)
# approx 本质是一个类型的轮廓
# 画出多边形逼近的轮廓
cv2.drawContours(img_copy, [approx], 0, (0, 255, 0), 2) cv2.imshow(img_copy, img_copy)
cv2.waitKey(0)
cv2.destroyAllWindows() 逼近多边形是轮廓的高度近似但是有时候我们希望使用一个多边形的凸包来简化它。凸包跟逼近多边形很像只不过它是物体最外层的凸多边形。凸包指的是完全包含原有轮廓并且仅由轮廓上的点所构成的多边形。凸包的每一处都是凸的即在凸包内连接任意两点的直线都在凸包的内部。在凸包内任意连续三个点的内角小于180°。 convexHull(points[, hull[, clockwise[, returnPoints]]]) points 即轮廓 colckwise 顺时针绘制
import cv2
import numpy as npimg cv2.imread(./hand.png)
gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化
therth, binary cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
# 查找轮廓
contours, hierarchy cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
# 绘制轮廓
cv2.drawContours(img, contours, 0, (0, 0, 255), 2)# 计算凸包
hull cv2.convexHull(contours[0])
# 画出凸包
cv2.drawContours(img, [hull], 0, (255, 0, 0), 2)cv2.imshow(img, img)
cv2.waitKey(0)
cv2.destroyAllWindows() 7.6 外接矩形及外接圆
外接矩形分为最小外接矩形和最大外接矩形.
下图中红色矩形是最小外接矩形, 绿色矩形为最大外接矩形. minAreaRect(points) 最小外接矩阵 points 即为轮廓 返回元组, 内容是一个旋转矩形(RotatedRect)的参数: 矩形的起始坐标x,y, 矩形的宽度和高度, 矩形的选择角度. boundingRect(points) 最大外接矩阵 points 即为轮廓a cv2.minEnclosingCircle(points) 最小外接圆
import cv2
import numpy as npimg cv2.imread(./hello.jpeg)
gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化
thersh, binary cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
contours, hierarchy cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)# rect是一个Rotated Rect 旋转的矩形, 矩形的起始坐标(x,y), 矩形的长宽, 矩形旋转角度
rect cv2.minAreaRect(contours[1])
# 其实就是帮我们把旋转矩阵的4个坐标点计算出来了.
# 注意坐标必须是整数的, 所以需要转化一下
box cv2.boxPoints(rect)
# 四舍五入
box np.round(box).astype(int64)
# 绘制最小外接矩形
cv2.drawContours(img, [box], 0, (255, 0, 0), 2)# 最大外接矩形, 返回最大外接矩形的参数, (x,y), (w, h)
x, y, w, h cv2.boundingRect(contours[1])
cv2.rectangle(img, (x, y), (x w, y h), (0, 0, 255), 2)# 外接圆, 返回圆的中心点和半径
(a, b), radius cv2.minEnclosingCircle(contours[1])
# 画出圆
cv2.circle(img, (int(a), int(b)), int(radius), (0, 255, 0), 2)cv2.imshow(img, img)
cv2.waitKey(0)
cv2.destroyAllWindows()
