OpenCV——轮廓检测
首先创建一个测试图像：创建一个200x200的黑色空白图像，在图像的中央放置一个灰色方块。
-
使用cv2.threshold()函数对图像进行二值化处理。
-
使用cv2.findContours()函数获取图像边界
-
将灰度图像转化为BGR并使用cv2.drawContours()函数绘制图像边界
-
源代码
# 轮廓检测
import cv2
import numpy as np
img = np.zeros((200, 200), dtype=np.uint8)
img[50:150, 50:150] = 200
cv2.imshow("before", img)
ret, thresh = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
cv2.imshow("thresh", thresh)
image, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
color = cv2.cvtColor(thresh, cv2.COLOR_GRAY2BGR)
cv2.drawContours(color, contours, -1, (0, 255, 0), 2)
cv2.imshow("contours", color)
cv2.waitKey()
cv2.destroyAllWindows()
- before
- thresh
- contours
cv2.threshold()函数的最后一个参数指定了二值化操作的类型，包含以下5种类型： cv2.THRESH_BINARY； cv2.THRESH_BINARY_INV； cv2.THRESH_TRUNC； cv2.THRESH_TOZERO；cv2.THRESH_TOZERO_INV
- 示例
cv2.findContours()函数的第二个参数表示轮廓的检索模式：
- 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。
cv2.findContours()函数的第三个参数表示轮廓的近似办法：
- 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。
cv2.drawContours()函数的第三个参数指定绘制轮廓list中的哪条轮廓，如果是-1，则绘制其中的所有轮廓。第五个参数表明轮廓线的宽度，如果是-1（cv2.FILLED），则为填充模式
想了解更多关于数字图像处理：数字图像处理专栏