轮廓发现

import cv2 as cv
import numpy as np


def threshold_demo(image):
    # 去噪声+二值化
    dst = cv.GaussianBlur(image,(3, 3), 0)
    gray = cv.cvtColor(dst, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_OTSU | cv.THRESH_BINARY)
    cv.imshow("binary", binary)
    return binary


def canny_demo(image):
    t = 100
    canny_output = cv.Canny(image, t, t * 2)
    cv.imshow("canny_output", canny_output)
    return canny_output


src = cv.imread("yuan_test.png")
cv.namedWindow("input", cv.WINDOW_AUTOSIZE)
cv.imshow("input", src)
binary = threshold_demo(src)
canny = canny_demo(src)

# 轮廓发现
out, contours, hierarchy = cv.findContours(canny, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
for c in range(len(contours)):
    cv.drawContours(src, contours, c, (0, 0, 255), 2, 8)

# 显示
cv.imshow("contours-demo", src)

cv.waitKey(0)
cv.destroyAllWindows()

1. 定义阈值处理函数：

   def threshold_demo(image):
       # 去噪声+二值化
       dst = cv.GaussianBlur(image, (3, 3), 0)
       gray = cv.cvtColor(dst, cv.COLOR_BGR2GRAY)
       ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_OTSU | cv.THRESH_BINARY)
       cv.imshow("binary", binary)
       return binary
   

   这个函数接收一个图像作为输入，首先使用cv.GaussianBlur函数对图像进行高斯模糊，以去除噪声。然后，使用cv.cvtColor将模糊后的图像转换为灰度图像。接着，使用cv.threshold函数结合Otsu方法自动计算阈值，并将灰度图像转换为二值图像。最后，使用cv.imshow显示二值图像，并返回二值图像。

2. 定义Canny边缘检测函数：

   def canny_demo(image):
       t = 100
       canny_output = cv.Canny(image, t, t * 2)
       cv.imshow("canny_output", canny_output)
       return canny_output
   

   这个函数使用cv.Canny对输入图像进行Canny边缘检测，设置最小阈值t为100，最大阈值是最小阈值的两倍。Canny边缘检测是一种非常流行的边缘检测算法，能够提供良好的边缘检测效果。函数显示边缘检测结果，并返回Canny边缘检测后的图像。

3. 读取源图像并显示：

   src = cv.imread("yuan_test.png")
   cv.namedWindow("input", cv.WINDOW_AUTOSIZE)
   cv.imshow("input", src)
   

   使用cv.imread读取名为"yuan_test.png"的图像文件，并将其存储在变量src中。创建一个名为"input"的窗口，并使用cv.WINDOW_AUTOSIZE参数设置窗口大小自适应图像大小。然后使用cv.imshow在"input"窗口中显示原始图像。

4. 调用处理函数并保存结果：

   binary = threshold_demo(src)
   canny = canny_demo(src)
   

   调用前面定义的threshold_demo和canny_demo函数，对源图像src进行处理，并将处理后的二值图像和Canny边缘检测图像分别保存在变量binary和canny中。

5. 轮廓发现：

   out, contours, hierarchy = cv.findContours(canny, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
   

   使用cv.findContours函数在Canny边缘检测后的图像中发现轮廓。cv.RETR_TREE参数表示检索所有轮廓及其层级关系，cv.CHAIN_APPROX_SIMPLE参数表示存储轮廓的近似形式，以节省内存。

6. 绘制轮廓：

   for c in range(len(contours)):
       cv.drawContours(src, contours, c, (0, 0, 255), 2, 8)
   

   遍历所有轮廓，使用cv.drawContours函数在原始图像src上绘制轮廓。每个轮廓使用蓝色（BGR值为(0, 0, 255)）绘制，宽度为2，8表示绘制所有八连通的点。

7. 显示轮廓结果：

   cv.imshow("contours-demo", src)
   

   创建一个名为"contours-demo"的窗口，并使用cv.imshow显示绘制了轮廓的原始图像。

8. 等待按键事件并关闭窗口：

   cv.waitKey(0)
   cv.destroyAllWindows()