需要源码和图片请点赞关注收藏后评论区留言私信~~~
图形检测是计算机视觉的一项重要功能。通过图形检测可以分析图像中可能存在的形状，然后对这些形状进行描绘，如搜索并绘制图像的边缘，定位图像的位置，判断图像中有没有直线、圆形等。虽然图形检测涉及非常深奥的数学算法，但OpenCV已经将这些算法封装成简单的方法，开发者只要学会如何调用方法、调整参数即可很好地实现检测功能
图像的轮廓
轮廓是指图像中图形或物体的外边缘线条，简单的几何图形是由平滑的线构成的，容易识别，但不规则图形的轮廓可能由许多个点构成，识别起来比较困难
Opencv提供了findContours方法可以通过计算图像梯度来判断图像的边缘，然后将边缘的点封装成数组返回 语法格式如下
contours,hierarchy=cv2.findContours(image,mode,methode)
image 被检测的图像
mode 轮廓的检索模式 参数如下图
methode 检测轮廓时使用的方法具体值如下图
contours 检测出的所有轮廓
hierarchy 轮廓之间的层次关系
轮廓的检索模式参数值
检测轮廓时使用的方法
通过findContours方法找到图像轮廓后，为了方便开发人员观测，最后能把轮廓画出来，于是opencv提供了drawContours方法用来绘制轮廓 语法格式如下
image=cv2.drawContours(image,contours,contourldx,color,thickness,lineType,hierarchy,maxLevel,offse)
)
下面通过实例讲解绘制几何图像的轮廓
原图如下
画出轮廓图如下
还可以画不同索引的轮廓，从左到右分别是0 1 2 3
部分代码如下
import cv2 img = cv2.imread("shape1.png") # 读取原图 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 彩色图像转为变成单通道灰度图像 t, binary = .threshold(gray, 127, 255, cv2.THRESH_BINARY) # 灰度图像转为二值图像 # 检测图像中出现的所有轮廓，记录轮廓的每一个点 contours, hirchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE) # 绘制所有轮廓，宽度为5，颜色为红色 cv2.drawCoursg, contours, -1, (0, 0, 255), 5) cv2.imshow("img", img) # 显示绘制结果 cv2.waitKey() # 按下任何键盘按键后 cv2.destroyAllWindows() # 释放所有窗体
实战2：绘制花朵的轮廓
为花朵绘制轮廓，首先要降低图像中的噪声干扰，进行滤波处理，然后将图像处理成二值灰度图像，并检测出轮廓，最后利用绘制轮廓的方法在原始图像中绘制轮廓 效果如下
部分代码如下
import cv2 img = cv2.imread("flower.png") # 读取原图 cv2.imshow("ig", img) # 显示原图 img = cv2.(img, 5) # 使用中值滤波去除噪点 gray = cv2vtColor(img, cv2.COLOR_BGR2GRAY) # 原图从彩图变成单通道灰度图像 t, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 灰度图像转化为二值图像 cv2.imshow("binary", binary) # 显示二值化图像 # 获取二值化图像中的轮廓极轮廓层次数据 contours, hiechy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE) cv2.drawConto contours, -1, (0, 0, 255), 2) # 在原图中绘制轮廓 cv2.imshow("contours", img) # 显示绘有轮廓的图像 cv2.waitKey() # 按下任何键盘按键后 cv2.destroyAindows() # 释放所有窗
创作不易 觉得有帮助请点赞关注收藏~~~
