识别公路上的障碍物，使用轮廓检测方法
任务是识别出图片中的障碍物，就是水坑。原图像在最下面。
作为新手，我首先想到通过颜色来识别，但是水坑的颜色和天空很相似，而且图中元素太多了，颜色很容易混淆，恐怕效果不好。
那么就是轮廓检测的方法了
import cv2
import numpy as np
road_1_0= cv2.imread('road1.jpg',1)
road_2_0 = cv2.imread('road2.jpg',1)
#road1的处理，使用轮廓检测，通过轮廓大小筛选到目标区域
road_1_1 = cv2.Canny(road_1_0,100,200)
road_1_4 = cv2.dilate(road_1_1,kernel=np.ones((3,3)),iterations=3)
road_1_5 = cv2.erode(road_1_4,kernel=np.ones((3,3)),iterations=1)
road_1_2 = np.ones(road_1_0.shape)
contours,hierarchy = cv2.findContours(road_1_5,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)
#对轮廓面积进行降序处理，方便筛选
contours_2 = sorted(contours, key=lambda contour: cv2.contourArea(contour), reverse=True)
for c in contours_2:
area = cv2.contourArea(c)
if 1200>area >1100:
cv2.fillPoly(road_1_0,[c],(0,0,255))
elif 3150>area>3000:
cv2.fillPoly(road_1_0,[c],(0,0,255))
elif 100000>area>4000:
cv2.fillPoly(road_1_0,[c],(0,0,255))
cv2.imwrite('result_1.png',road_1_0)这里来分析一下代码，找到轮廓线，因为这的水坑和公路的颜色相近，轮廓没有闭合，所以使用了膨胀（cv2.dilate），然后用腐蚀（cv2.erode）减少无关元素
road_1_1 = cv2.Canny(road_1_0,100,200)
road_1_4 = cv2.dilate(road_1_1,kernel=np.ones((3,3)),iterations=3)
road_1_5 = cv2.erode(road_1_4,kernel=np.ones((3,3)),iterations=1)
road_1_2 = np.ones(road_1_0.shape)
contours,hierarchy = cv2.findContours(road_1_5,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)
左图为canny图像，大水坑右下方未闭合
右图为经过膨胀和腐蚀后的图像，水坑闭合了
第三部分就是把轮廓按照面积降序处理，再根据大小来筛选目标区域
#根据面积降序
contours_2 = sorted(contours, key=lambda contour: cv2.contourArea(contour), reverse=True)
#筛选
for c in contours_2:
area = cv2.contourArea(c)
if 1200>area >1100:
cv2.fillPoly(road_1_0,[c],(0,0,255))
elif 3150>area>3000:
cv2.fillPoly(road_1_0,[c],(0,0,255))
elif 100000>area>4000:
cv2.fillPoly(road_1_0,[c],(0,0,255))
cv2.imwrite('result_1.png',road_1_0)这部分没啥好说的，这是我不断调参后的结果，正常流程为设置一个原图大小的空白图像，用np.ones(img.shape)就好，在循环里打印大小、观察轮廓，最终得到想要的轮廓大小，这部分其实花不了多长时间，比筛选颜色快多了。下面给出我调参时的代码
for c in contours_2:
area = cv2.contourArea(c)
if area >1100:
cv2.drawContours(ones_copy,[c],-1,(255,0,0))
print(area)最终效果就是这样