Python3+Opencv 学习笔记（三）图像轮廓处理+描绘矩形框+ 矩形框加文字

上一篇文章的图片处理感觉效果不是很好，又找了个新算法，试了一下效果挺好

处理完轮廓就可以给轮廓加框框了
框框加完顺便顺便试了一下简单的视频读取
废话不多说直接上代码

#开运算操作
def open_mor(binary):
    kernel = np.ones((6,6),np.uint8)   #8 8 数字可以自己改变加以调整效果  数字越大强度越高
    opening = cv2.morphologyEx(binary,cv2.MORPH_OPEN,kernel, iterations=5) #iterations进行7次操作  次数越多效果越强 
    cv2.imshow('open',opening)
    return opening

不太清楚这个函数是干啥的 看到的试了一下 还挺牛
原来处理完的二值化图片是这样的

下面是效果图

对于二值图来说效果比较一般
canny图一样有效果
原本输出的canny处理完的图片

取反

再进行open运算

可以显示出很清晰的轮廓 这个可以自行测试

这个适用于很多轮廓痕迹不是很明显的物体

有了鲜明的轮廓接下来就是画框了

    cv2.findContours()函数
    第一个参数是要检索的图片，必须是为二值图，即黑白的（不是灰度图），所以读取的图像要先转成灰度的，再转成二值图，我们在第三步用cv2.threshold()函数已经得到了二值图。第二个参数表示轮廓的检索模式，有四种：
    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。
    第三个参数为轮廓的近似方法
    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.findContours()函数返回两个值，一个是轮廓本身，还有一个是每条轮廓对应的属性。cv2.findContours()函数返回第一个值是list，
    list中每个元素都是图像中的一个轮廓，用numpy中的ndarray表示。每一个ndarray里保存的是轮廓上的各个点的坐标。

    cv2.drawContours在图像上绘制轮廓。
    第一个参数是指明在哪幅图像上绘制轮廓 
    第二个参数是轮廓本身，在Python中是一个list
    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 
    第四个参数是轮廓线条的颜色
    第五个参数是轮廓线条的粗细

#轮廓检测
contours, hierarchy = cv2.findContours(open_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)  
print('hierarchy',hierarchy)
#描绘轮廓
c = sorted(contours, key=cv2.contourArea, reverse=True)[0] #0是代表第一个框  有多个框可以后续再补上 有更多的框建议写个循环
rect = cv2.minAreaRect(c)  #生成最小矩形框
box = np.int0(cv2.boxPoints(rect)) 
cv2.drawContours(img, [box], -1, (0, 255, 0), 3)

矩形框加文字

 # 输入参数为图像、文本、位置、字体、大小、颜色数组、粗细
 cv2.putText(target, 'xuebi',(box[0][0],box[0][1]) , cv2.FONT_HERSHEY_SIMPLEX, 1, (0,0,255), 1)

效果图：

俩框的

最后贴上所有代码

import cv2
import numpy as np
import matplotlib.pyplot as plt

#高斯滤波
def GausBlur(img):
    gaus = cv2.GaussianBlur(img,(5,5),2)   #(5, 5)表示高斯矩阵的长与宽都是5，标准差取2
    cv2.imshow('GausBlur',gaus)
    return gaus

#灰度处理
def Gray_img(gaus_img):
    gray = cv2.cvtColor(gaus_img,cv2.COLOR_BGR2GRAY)
    cv2.imshow('gray',gray)
    return gray

#开运算操作
def open_mor(binary):
    kernel = np.ones((6,6),np.uint8)   #8 8 数字可以自己改变加以调整效果  数字越大强度越高
    opening = cv2.morphologyEx(binary,cv2.MORPH_OPEN,kernel, iterations=5) #iterations进行7次操作  次数越多效果越强 
    cv2.imshow('open',opening)
    return opening

img = cv2.imread('xuebi.jpg',1)   #0为灰度，1为彩色
img = cv2.resize(img,(640,480))   #设置窗口大小
cv2.imshow('img',img)             #src为图像名称
#高斯滤波
gaus_img = GausBlur(img)
#灰度处理
gray_img = Gray_img(gaus_img)
#二值化处理
ret , binary = cv2.threshold(gray_img ,148 , 255 , cv2.THRESH_BINARY)  #148  255 为设置阈值
#开运算操作
open_img = open_mor(binary)
#颜色反转一下
open_img=~open_img
#轮廓检测
contours, hierarchy = cv2.findContours(open_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)  
print('hierarchy',hierarchy)
#描绘轮廓
c = sorted(contours, key=cv2.contourArea, reverse=True)[0]
rect = cv2.minAreaRect(c)
box = np.int0(cv2.boxPoints(rect)) 
cv2.drawContours(img, [box], -1, (0, 255, 0), 3)
cv2.putText(img, 'xuebi',(box[0][0],box[0][1]) , cv2.FONT_HERSHEY_SIMPLEX, 2, (0,0,255), 1)

c = sorted(contours, key=cv2.contourArea, reverse=True)[1]
rect = cv2.minAreaRect(c)
box = np.int0(cv2.boxPoints(rect)) 
cv2.drawContours(img, [box], -1, (0, 255, 0), 3)
cv2.putText(img, 'xuebi',(box[0][0],box[0][1]) , cv2.FONT_HERSHEY_SIMPLEX, 2, (0,0,255), 1)

cv2.imshow('binary',binary)
cv2.imshow('open',open_img)

cv2.imshow("Image", img)

cv2.waitKey(0)
cv2.destroyAllWindows()