调整大小：

image = cv2.resize(image,dst=None,fx=0.5,fy = 0.5,dsize=None)
img = cv2.resize(img,dst=None,fx=0.5,fy = 0.5,dsize=None)

画轮廓

获得平均灰度值的办法:

template = cv2.imread('pl2.jpg')
#获得灰度图
template_gray = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY)
h, w = template_gray.shape[:2] # template_gray 为灰度图
m = np.reshape(template_gray, [1, w*h])
mean = m.sum()/(w*h) # 图像平均灰度值

发现使用template_gray.shape[2]会报错，认为原因应该是灰度图是二维的，shape只有图像的尺寸，而无第三个通道数。

reshape函数：

numpy.arange(n).reshape(a, b) 依次生成n个自然数，并且以a行b列的数组形式显示
mat (or array).reshape(c, -1) 必须是矩阵格式或者数组格式，才能使用 .reshape(c, -1) 函数，表示将此矩阵或者数组重组，以 c行d列的形式表示
arr.shape # (a,b)
arr.reshape(m,-1) #改变维度为m行、d列（-1表示列数自动计算，d= ab /m ）
arr.reshape(-1,m) #改变维度为d行、m列（-1表示行数自动计算，d= ab /m ）
-1的作用就在此: 自动计算d：d=数组或者矩阵里面所有的元素个数/c, d必须是整数，不然报错）mat (or array).reshape(c, -1) 必须是矩阵格式或者数组格式，才能使用 .reshape(c, -1) 函数，表示将此矩阵或者数组重组，以 c行d列的形式表示
arr.shape # (a,b)
arr.reshape(m,-1) #改变维度为m行、d列（-1表示列数自动计算，d= ab /m ）
arr.reshape(-1,m) #改变维度为d行、m列（-1表示行数自动计算，d= ab /m ）
-1的作用就在此: 自动计算d：d=数组或者矩阵里面所有的元素个数/c, d必须是整数，不然报错）

上面的代码中reshape的第一个参数为1，可见它将矩阵转化为一行，输出m得到：
[[67 68 70 … 86 84 82]]
输出平均灰度mean:
166.6545988023952

函数cv2.threshold()

这个函数有四个参数，第一个原图像，第二个进行分类的阈值，第三个是高于（低于）阈值时赋予的新值，第四个是一个方法选择参数，常用的有：
• cv2.THRESH_BINARY（黑白二值）示阈值的二值化操作，大于阈值使用maxval表示，小于阈值使用0表示
• cv2.THRESH_BINARY_INV（黑白二值反转）表示阈值的二值化翻转操作，大于阈值的使用0表示，小于阈值的使用最大值表示
• cv2.THRESH_TRUNC （得到的图像为多像素值）表示进行截断操作，大于阈值的使用阈值表示，小于阈值的不变
• cv2.THRESH_TOZERO 表示进行化零操作，大于阈值的不变，小于阈值的使用0表示
• cv2.THRESH_TOZERO_INV 表示进行化零操作的翻转，大于阈值的使用0表示，小于阈值的不变

将上面的参数0换成cv2.THRESH_TRUNC之后：

换成cv2.THRESH_BINARY_INV：

可见对于最后轮廓的提取并没有什么影响。
将第三个参数由原来的255换成100：

255为白色，100为上面的灰色，如果换成0图片变成一片黑:
即

template_thresh = cv2.threshold(template_gray, mean, 0,0)[1]
cv2.imshow('template_thresh', template_thresh)

且可以看到轮廓也没有被提取出来，可见第三个参数对于结果也很重要。

下面提取轮廓:

# 对模板图片进行二值化
cv2.imshow("a",template_gray)
template_thresh = cv2.threshold(template_gray, mean, 255,0)[1]
cv2.imshow('template_thresh', template_thresh)# 轮廓检测 cv2.RETR_EXTERNAL--检测外侧轮廓
contours, hierarchy = cv2.findContours(template_thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# print(contours)
# 轮廓绘制
res = cv2.drawContours(template.copy(), contours, -1, (0, 0, 255), 1)
cv2.imshow('res', res)
cv2.waitKey(0)
cv2.destroyAllWindows()

cv2.findContours

注意cv2.findContours的返回值现在只有两个，多写会报错。
counters是返回的轮廓
　findContours( InputArray image, int mode,int method, Point offset = Point());　　
　第一个参数：
　image 8位单通道，所有非0值被处理为1，0值不变，也就是说灰度图会被自动处理为二值图，一般都是先处理为二值图之后再作为参数使用
　第二个参数：
　RETR_LIST 从解释的角度来看，这中应是最简单的。它只是提取所有的轮廓，而不去创建任何父子关系。
RETR_EXTERNAL 如果你选择这种模式的话，只会返回最外边的的轮廓，所有的子轮廓都会被忽略掉。
RETR_CCOMP 在这种模式下会返回所有的轮廓并将轮廓分为两级组织结构。
RETR_TREE 这种模式下会返回所有轮廓，并且创建一个完整的组织结构列表。它甚至会告诉你谁是爷爷，爸爸，儿子，孙子等
注意:后一个轮廓跟父子轮廓无关
第三个参数:
cv2.CHAIN_APPROX_NONE，，表示边界所有点都会被储存；而如果设为cv2.CHAIN_APPROX_SIMPLE 会压缩轮廓，将轮廓上冗余点去掉，比如说四边形就会只储存四个角点。
之前上面代码的运行结果:

将第三个参数cv2.CHAIN_APPROX_SIMPLE改为cv2.CHAIN_APPROX_NONE之后结果：

表示没有看出什么差别。
返回的第一个参数:返回的轮廓（opencv4中取消了返回的原始图像)
第二个参数：图像的拓扑信息（轮廓层次）

该返回值返回的是一组轮廓信息，每个轮廓都是由若干个点所构成的。例如，contours[i]是第i个轮廓（下标从0开始）,contours[i][j]是第i个轮廓内的第j个点。
返回值contours的type属性是list类型，list的每个元素都是图像的一个轮廓，用Numpy中的ndarray结构表示。
使用如下语句，可以获取轮廓内第0个轮廓中具体点的位置属性： print（contours[0]）#打印第0个轮廓中的像素点

cv2.drawContours()

cv2.drawContours()被用来绘制轮廓。第一个参数是一张图片，可以是原图或者其他。第二个参数是轮廓，也可以说是cv2.findContours()找出来的点集，一个列表。第三个参数是对轮廓（第二个参数）的索引，当需要绘制独立轮廓时很有用，若要全部绘制可设为-1。接下来的参数是轮廓的颜色和厚度。
（0，0，255）表示的是红色，如果换成(0, 230, 255)，可以看见颜色变成了淡黄
平均灰度值的获得非常重要，即这句话:
template_thresh = cv2.threshold(template_gray, mean, 255,0)[1]
mean是平均灰度值。如果数值不对，无法提取轮廓，现在换成另一个数字150尝试一下:(计算出来的数值是166)

可以看到旁边出现了一些其他的轮廓，即并没有正确框住轮廓。可见这个值对于结果非常重要。
完整代码:

template = cv2.imread('pl2.jpg')
template_gray = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY)
h, w = template_gray.shape[:2] # gray 为灰度图
print(h)
print(w)m = np.reshape(template_gray, [1, w*h])
mean = m.sum()/(w*h) # 图像平均灰度值
print(mean)
# 对模板图片进行二值化
cv2.imshow("a",template_gray)
template_thresh = cv2.threshold(template_gray, mean, 255,1)[1]
cv2.imshow('template_thresh', template_thresh)# 轮廓检测 cv2.RETR_EXTERNAL--检测外侧轮廓
contours, hierarchy = cv2.findContours(template_thresh, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
# print(contours)
# 轮廓绘制
res = cv2.drawContours(template.copy(), contours, -1, (80, 45, 255), 1) #注意这里！！！cv2.imshow('res', res)
cv2.waitKey(0)
cv2.destroyAllWindows()

实例二：

img = cv2.imread("p7.jpg")gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,newi = cv2.threshold(gray,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
hire,counters = cv2.findContours(newi,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)
res = cv2.drawContours(img,hire,-1,(0,0,255),2)
cv2.imshow("i",res)cv2.waitKey()

框矩形:
threshold函数的阈值设置非常重要，这里设置的是210

img = cv2.imread("pl2.jpg")gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,newi = cv2.threshold(gray,210,255,cv2.THRESH_BINARY)hire,counters = cv2.findContours(newi,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)
x,y,w,h = cv2.boundingRect(hire[0])
box = np.array([[x,y],[x+w,y],[x+w,y+h],[x,y+h]])
res = cv2.drawContours(img,[box],-1,(0,0,255),2)
cv2.imshow("i",img)
cv2.imshow("it",res)
cv2.waitKey()

另一种框矩形法：（不能用平均灰度，否则无法框出矩形）

最小矩形框

img = cv2.imread("pl2.jpg")gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
h, w = gray.shape[:2] # template_gray 为灰度图
m = np.reshape(gray, [1, w*h])
mean = m.sum()/(w*h) # 图像平均灰度值
t,newi = cv2.threshold(gray,185,255,cv2.THRESH_BINARY)cv2.imshow("io",newi)
hire,counters = cv2.findContours(newi,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)
rect = cv2.minAreaRect(hire[0])
print(rect)
points = cv2.boxPoints(rect)
points = np.int0(points) #取整
image = cv2.drawContours(img,[points],0,(0,0,255),2)
cv2.imshow("i",img)
cv2.imshow("it",image)

（选图很重要，不然根本出不来）
由于原图中本来就有红色的边框，故改阈值：
t,newi = cv2.threshold(gray,0,255,cv2.THRESH_BINARY)
现在进行凸包操作：

rect = cv2.convexHull(hire[1])
print(rect)
cv2.polylines(img,[rect],True,(0,255,255),2)

此时能完全刚好框住。如果不设置为0的话会发现没有全部框住：

遍历所有轮廓

由于图有问题，画的轮廓也有问题

img = cv2.imread("erode.png")
t,newi = cv2.threshold(gray,245,255,cv2.THRESH_BINARY)
hire,counters = cv2.findContours(newi,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)
n = len(hire)
countt=[]
print(len(hire))
for i in range(n):#print('cc'+str(i),cv2.contourArea(hire[i]))temp = np.zeros(img.shape,np.uint8)countt.append(temp)countt[i] = cv2.drawContours(countt[i],hire,i,(0,255,255),2)cv2.imshow(str(i),countt[i])

换了一张图测试，效果好多了：

灰度图分解

效果：

其中7最接近原始图像。第七位二进制值在八位二进制值中权值最高，与原图相关度最高
代码:

a = cv2.imread("p7.jpg",0)h,w = a.shape
newpic =np.zeros((h,w,8),dtype=np.uint8)
for i in range(8):newpic[:,:,i] = 2**i
h = np.zeros((h,w,8),dtype=np.uint8)
for i in range(8):h[:,:,i] = np.bitwise_and(a,newpic[:,:,i])mask = h[:,:,i]>0h[mask] = 255cv2.imshow(str(i),h[:,:,i])cv2.waitKey(0)
cv2.destroyAllWindows()

newpic =np.zeros((h,w,8),dtype=np.uint8)：用于提取各个位平面的提取矩阵，8表示有8个通道，八个通道分别用来提取灰度图像的八个位位平面，newpic[:,:,0]用来提取灰度图像的第0个位平面
mask = h[:,:,i]>0将h中大于0的值处理为逻辑真，h[mask]=255,将h中对应mask中逻辑值为真的位置上的值替换为255

只框超过一定大小的轮廓：

img = cv2.imread("shu.png")gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
h, w = gray.shape[:2] # template_gray 为灰度图
ret,binaryimg = cv2.threshold(gray,100,255,cv2.THRESH_BINARY)
countimg = []
contours,hierarchy = cv2.findContours(binaryimg,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)
n = len(contours)
for i in range(n):temp = np.zeros(img.shape, np.uint8)countimg.append(temp)if cv2.contourArea(contours[i]) > 20000:countimg[i] = cv2.drawContours(img.copy(),contours,i,(0,0,255),3)cv2.resize(countimg[i],dst=None,fx = 0.5,fy=0.5,dsize=None)cv2.imshow("conter"+str(i),countimg[i])

指定hsv范围框白色物体

试了好多次hsv的值终于框出来了，取值也太难了吧。中途因为取值问题压根无法获得边缘。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-6aMVJq1E-1614539904373)(C:\Users\14172\AppData\Roaming\Typora\typora-user-images\image-20210301024314126.png)]

img = cv2.imread("shu.png")gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
h, w = gray.shape[:2] # template_gray 为灰度图
ret,binaryimg = cv2.threshold(gray,100,255,cv2.THRESH_BINARY_INV)
countimg = []
lowhsv = np.array([0,0,100])
highhsv = np.array([180,40,255])
mask = cv2.inRange(hsv,lowerb=lowhsv,upperb=highhsv)
median = cv2.medianBlur(mask,5)
cannypic = cv2.Canny(median,30,255)
cv2.imshow("f",cannypic)
#contours,hierarchy = cv2.findContours(binaryimg,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)
contours,hierarchy = cv2.findContours(cannypic,cv2.RETR_CCOMP,cv2.CHAIN_APPROX_SIMPLE)
n = len(contours)
print(n)
for i in range(n):temp = np.zeros(img.shape, np.uint8)countimg.append(temp)if cv2.contourArea(contours[i]) > 10000:countimg[i] = cv2.drawContours(img.copy(),contours,i,(0,0,255),3)countimg[i] = cv2.resize(countimg[i],dst=None,fx = 0.5,fy=0.5,dsize=None)cv2.imshow("conter"+str(i),countimg[i])

【笔记】opencv图像轮廓获得平均灰度值在原图上画轮廓观察灰度图的分解相关推荐

Java服务器部署基于OpenCV的C++图像处理项目（三）图片上传并返回处理图
Java服务器部署基于OpenCV的C++图像处理项目(三)图片上传并返回处理图 1.上传图片并返回灰度图功能由于使用的springboot开发,直接写一个upload接口供图片上传,以下是spri ...
图像转灰度值计算公式原理_图像处理--传统算法
图像处理中平滑和锐化操作是什么? 平滑处理(smoothing)也称模糊处理(bluring),主要用于消除图像中的噪声部分,平滑处理常用的用途是用来减少图像上的噪点或失真,平滑主要使用图像滤波.在这 ...
OpenCV访问像素点的灰度值
1.Mat矩阵数值的存储方式这里以指针的方式访问图像素为例 (1)单通道定义一个单通道图像: cv::Mat img_1 = (320, 640, CV_8UC1, Scalar(0)); 对于单 ...
【CV作业02】图像灰度值变换+UI
目录参考资料: 代码 1. 各种转换方法的实现 2. UI 设计(这里只展示功能实现部分,自动生成的代码已省去) 3. 启动程序参考资料: PyQT6的从零开始(一):在Anaconda下安装Py ...
图像的灰度化灰度值的读取Matlab
matlab中图像的灰度化: H = imread('test.png'); I = rgb2gray(H); 原图和灰度图: 在matlab工作区选取灰度矩阵I,即可得到图像详细的灰度值矩阵图片上 ...
数字图像处理与Python实现笔记之图像特征提取
数字图像处理与Python实现笔记摘要绪论 1 数字图像处理基础知识 2 彩色图像处理初步 3 空间滤波 4 频域滤波 5 图像特征提取 5.1 图像颜色特征提取 5.1.1 颜色直方图 1 一般 ...
OpenCV图像特征提取学习三，LBP图像特征检测算法
一.LBP特征的概述 LBP指局部二值模式,英文全称:Local Binary Pattern,是一种用来描述图像局部特征的,LBP特征具有灰度不变性和旋转不变性等显著优点.同时是一种描述图像特征像素 ...
Opencv图像特征点提取(
目录特征点分类 1 ORB ①特征点检测 ②计算特征描述 2 SIFT 1 SIFT特征检测的步骤 ①.在DOG尺度空间中获取极值点,即关键点. ②.特征点方向估计 ③生成特征描述 ④.代码实现 3 ...
opencv 图像雾检测_opencv-python烟雾图像处理
利用python实现烟雾图像处理颜色规范化直方图均衡化处理背景减除法建立混合高斯模型中值滤波去噪颜色规范化最大值灰度处理 gray = max(r,g,b) import cv2 impor ...

【笔记】opencv图像轮廓获得平均灰度值在原图上画轮廓观察灰度图的分解

画轮廓

获得平均灰度值的办法:

reshape函数：

函数cv2.threshold()

下面提取轮廓:

cv2.findContours

cv2.drawContours()

最小矩形框

遍历所有轮廓

灰度图分解

只框超过一定大小的轮廓：

指定hsv范围框白色物体

【笔记】opencv图像轮廓获得平均灰度值在原图上画轮廓观察灰度图的分解相关推荐

最新文章

热门文章

【笔记】opencv图像轮廓 获得平均灰度值在原图上画轮廓 观察灰度图的分解

画轮廓

获得平均灰度值的办法:

reshape函数：

函数cv2.threshold()

下面提取轮廓:

cv2.findContours

cv2.drawContours()

最小矩形框

遍历所有轮廓

灰度图分解

只框超过一定大小的轮廓：

指定hsv范围框白色物体

【笔记】opencv图像轮廓 获得平均灰度值在原图上画轮廓 观察灰度图的分解相关推荐

最新文章

热门文章

【笔记】opencv图像轮廓获得平均灰度值在原图上画轮廓观察灰度图的分解

【笔记】opencv图像轮廓获得平均灰度值在原图上画轮廓观察灰度图的分解相关推荐