Python OpenCV -- 轮廓检测 (十四)

轮廓检测

Canny 之类的边缘检测算法可以根据像素间的差异检测出轮廓边界，但是它并没有将轮廓作为一个整体

轮廓是构成任何一个形状的边界或外形线。直方图对比和模板匹配根据色彩的分布来进行匹配，以下包括：轮廓的查找、

表达方式、组织方式、绘制、特性、匹配。

查找轮廓

可以使用OpenCV 自带的 cv2.findContours 函数来查找检测物体的轮廓。

cv2.findContours() 函数接受的参数为二值图，即黑白的（不是灰度图），所以读取的图像要转成灰度的，再转成二值图。

cv2.findContours() 函数原型：

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

参数：
image -- 要查找轮廓的原图像

mode -- 轮廓的检索模式，它有四种模式：

cv2.RETR_EXTERNAL 表示只检测外轮廓

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。如果内孔内还有一个连通物体，

这个物体的边界也在顶层。

cv2.RETR_TREE 建立一个等级树结构的轮廓。

method -- 轮廓的近似办法：

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，即max （abs (x1 - x2), abs(y2 - y1) == 1

cv2.CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素，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()函数返回两个值：

contours -- 轮廓本身，它是一个list,list 中每个元素都是图像中的一个轮廓，用Numpy中的ndarray表示，每个轮廓是一个ndarray,每个ndarray

是轮廓上的点的集合。轮廓中并不存储轮廓上所有的点，而只存储可以用直线描述轮廓的点的个数，比如一个“正立”的矩形只有4个

点元素。

             print (type(contours))  print (type(contours[0]))  print (len(contours))    # 输出list 中轮廓的个数print (len(contours[0])) # 输出第一个轮廓中的元素的个数，

hierarchy -- 每条轮廓对应的属性。这是一个ndarray 是个可选返回结果，其中的元素个数和轮廓个数相同，每个轮廓contours[i] 对应4个hierarchy

元素hierarchy[i][0] ~ hierarchy[i][3] ,分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号，如果没有对应项，则该值为

负数。

             print (type(hierarchy))  print (hierarchy.ndim)#3  print (hierarchy[0].ndim)  #2print (hierarchy.shape)  # (1,2,4)

轮廓绘制

OpenCV 使用 cv2.drawContours 在图像上绘制轮廓

cv2.drawContours() 函数原型：

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

参数：
image -- 要绘制轮廓的图像

contours -- 轮廓本身，在Python 中是一个list

contourIdx -- 指定绘制轮廓 list 中的哪条轮廓，如果是 -1,则绘制其中的所有轮廓。

color -- 绘制的颜色及级宽度的属性

thickness -- 绘制轮廓线的宽度，如果是 -1 (cv2.FILLED)，则为填充模式。

使用示例：

#!/usr/bin/env python
# encoding: utf-8
import cv2
import numpy as np img = cv2.imread('33.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  # 转成灰度图像
ret, binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY) #将灰度图像转成二值图像  contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE) # 查找轮廓
cv2.drawContours(img,contours,-1,(0,0,255),3)  cv2.imshow("img", img)
cv2.waitKey(0)

结果效果图：

参考和转载：

http://blog.csdn.net/sunny2038/article/details/12889059

Python OpenCV -- 轮廓检测 (十四)相关推荐

python opencv轮廓检测_OpenCV 轮廓检测的实现方法
轮廓概述轮廓可以简单认为成将连续的点(连着边界)连在一起的曲线,具有相同的颜色或者灰度.轮廓在形状分析和物体的检测和识别中很有用. 为了更加准确,要使用二值化图像.在寻找轮廓之前,要进行阈值化处理或 ...
python opencv 轮廓检测_opencv之轮廓检测与处理
查找图像的轮廓在图像处理及应用中扮演着重要的角色. opencv中查找轮廓的函数提供的是cv::findContours() 把查找的轮廓划到图像上cv::drawContours() 1.轮廓的查 ...
python opencv轮廓检测_python opencv 来对图片（苹果）的轮廓（最大轮廓进行识别）进行...
import cv2 as cv import numpy as np # canny边缘检测 def canny_demo(image): t = 140 canny_output = cv.Can ...
OpenCV学习(二十四）：角点检测(Corner Detection):cornerHarris(),goodFeatureToTrack()
OpenCV学习(二十四 ):角点检测(Corner Detection):cornerHarris(),goodFeatureToTrack() 参考博客: Harris角点检测原理详解 Harri ...
Python OpenCv 车牌检测识别（边缘检测、HSV色彩空间判断）
Python OpenCv 车牌检测识别背景车牌识别在交通.停车等方面有着广泛应用,在网上也有很多种基于OpenCV方案进行识别,本文是综合了两种比较流行的方案,首先是提取出疑似车牌区域的轮廓,然 ...
SVM 支持向量机算法（Support Vector Machine ）【Python机器学习系列（十四）】
SVM 支持向量机算法(Support Vector Machine )[Python机器学习系列(十四)] 文章目录 1.SVM简介 2. SVM 逻辑推导 2.1 Part1 化简限制条件 2.2 ...
python自动华（十四）
Python自动化 [第十四篇]:HTML介绍本节内容: Html 概述 HTML文档常用标签 2. CSS 概述 CSS选择器 CSS常用属性 1.HTML 1.1概述 HTML是英文Hyper ...
python接口自动化测试二十四：上传多个附件，参数化
python接口自动化测试二十四:上传多个附件,参数化 # 添加多个附件参数化files = [("1.png", "1.png") ("2.png& ...
OpenCV-Python实战（11）——OpenCV轮廓检测相关应用
OpenCV-Python实战(11)--OpenCV轮廓检测相关应用 0. 前言 1. 轮廓绘制 2. 轮廓筛选 3. 轮廓识别 4. 轮廓匹配小结系列链接 0. 前言在计算机视觉领域,轮廓通 ...

Python OpenCV -- 轮廓检测 (十四)

Python OpenCV -- 轮廓检测 (十四)相关推荐

最新文章

热门文章