python教程分享如何利用Python+OpenCV实现简易图像边缘轮廓检测(零基础)

前言

图像的轮廓检测不论是机器视觉还是其他方面都有较大作用,python教程分享如何利用Python+OpenCV实现简易图像边缘轮廓检测(零基础)将基与python3.7和opencv4.3对静态图像进行轮廓检测。最终以方框的形式框出目标图像。

函数基础与三方库

python教程分享如何利用Python+OpenCV实现简易图像边缘轮廓检测(零基础)所用的第三方库是opencv4.3

导入第三方库

import cv2 as cv  

由于opencv显示图像比较麻烦,与matlab或matplob不一致,考虑到基础薄弱可能对此库的图像显示机制不了解,在此我先定义一个img_show函数,目的是更方便的显示图像。

def img_show(pic,name):  '''  此函数img_show()用于调用opencv的相关函数来进行图像展示  name为显示图像窗口的名称(name为字符串)  pic为被显示图像(pic为opencv imread进来的图片)  '''      cv.imshow(pic,name)      cv.waitkey(0)      cv.destroyallwindows()  

cv.threshold(pic,thresh,maxvalue,model)

此函数用于图像单通道不同阈值的操作,一般用来将图像进行二值化处理,二值化处理将有助于边缘检测的梯度计算。
其中pic为待处理图片,由于是对单通道处理,所以pic一般要转换为灰度图

thresh为操作阈值,高于这个阈值的将根据不同的model统一成 0 或 maxvalue

model为操作方法,一般只需要cv.thresh_binary_inv和cv.thresh_binary

…thresh_binary_inv 将大于thresh的设置为0

…thresh_binary 将大于thresh的设置为255

该图像有两个返回值,第一个返回值为阈值,即thresh值,第二个为二值图像的矩阵

cv.findcontours(待处理图片,model(提取模式),method(提取方法))

此函数用于提取pic的轮廓点,pic为二值图像时,函数提取将更加精准

model 为提取模式 一般用到cv.retr_external和cv.retr_tree

…extrnal为以外层轮廓的方式进行提取

…tree则提取图像内外层所有轮廓

method 为提取方法,有cv.chain_approx_none和cv.chain_approx_simple

…none为以线的方式连接提取出来的轮廓

…simple则压缩了线和斜边,只标记了轮廓的各个顶点

此函数的返回值有两个,一个是边缘点(列表形式),一个是层次信息

contours,hierarchy = cv.findcontours(pic,cv.retr_external,cv.chain_approx_none)  

此段代码的意思是

基于pic 此图像

使用描述外轮廓的模式

通过各个点链接的方式进行轮廓提取

最终得到轮廓列表集合contours和层次关系hierarchy

注:在contours里面有非常多的轮廓集合,比如contours[0]contours[1]contours[2]是三个轮廓,可能只有1是目标轮廓,其他均为噪声轮廓

cv.drawcontours(画布,轮廓集合,索引,颜色,粗细)

此函数用于在指定画布,用指定颜色粗细的线画出指定轮廓(索引判断)或所有轮廓(-1)

画布:将轮廓点画在画布上,一般是代替去图片的copy图,不然会污染原图。

轮廓集合:上文中提到的contours,其中包含了目标轮廓和噪声轮廓的所有轮廓

索引:选定轮廓集合中的某一轮廓,如果你知道目标轮廓的编号可以直接写,如果不知道就写-1,可以画出所有轮廓

颜色: 元组形式,(255,0,0)为红色,以此类推

粗细:轮廓的粗细 1~任意整数,太大会覆盖原图

cv.boundingrect(图像)

此函数用于将检测的函数进行矩阵点的查找

图像:被检测的图像,一般是传入目标的轮廓,即contours[index],index为目标编号

此函数会返回四个值:x,y,w,h

其中x,y指的是该图像x轴上最小值和y轴最小值(有左上角为原点时),w,h跟别指的囊括图像所有的宽和高

代码实现

#导入opencv  import cv2 as cv    #定义opencv的图像显示函数  def img_show(pic,name):      cv.imshow(pic,name)      cv.waitkey(0)      cv.destroyallwindows()    #彩色模式读入图片  eagle_o = cv.imread('eagle.png',1)  # 图片转为灰度图  eagle = cv.cvtcolor(eagle_o,cv.color_bgr2gray)  # 将图像转换为二值图  ret,eagle_2v = cv.threshold(eagle,125,255,cv.thresh_binary_inv) #ret为阈值,eagl_2v为二值图  # 基于二值图像用外轮廓的模式,通过全点连接轮廓的方法提取轮廓  contours,hierarchy = cv.findcontours(eagle_2v,cv.retr_external,cv.chain_approx_none)  # 在copy图上画出所有轮廓  img = cv.drawcontours(eagle_o.copy(),contours,-1,(255,25,0),5)  # 获取目标图像的最小矩阵,此处29为目标的轮廓  x,y,w,h = cv.boundingrect(contours[29])  # 绘制目标框  img = cv.rectangle(eagle_o,(x,y),(x+w,y+h),(255,255,0),7)  img_show('goal',img)

实现效果

如何利用Python+OpenCV实现简易图像边缘轮廓检测(零基础)

总结

到此这篇关于如何利用python+opencv实现简易图像边缘轮廓检测的文章就介绍到这了,更多相关python opencv图像边缘轮廓检测内容请搜索<猴子技术宅>以前的文章或继续浏览下面的相关文章希望大家以后多多支持<猴子技术宅>!

需要了解更多python教程分享如何利用Python+OpenCV实现简易图像边缘轮廓检测(零基础),都可以关注python教程分享栏目—猴子技术宅(www.ssfiction.com)

本文来自网络收集,不代表猴子技术宅立场,如涉及侵权请点击右边联系管理员删除。

如若转载,请注明出处:https://www.ssfiction.com/pythons/1091976.html

(0)
上一篇 3天前
下一篇 3天前

精彩推荐

发表评论

您的电子邮箱地址不会被公开。