Python Opencv 语义分割常用总结
Python Opencv 语义分割常用总结
判断点和多边形轮廓的位置关系
pointPolygonTest(contour, pt, measureDist)
- contour: 使用接口cv2.findContours找到对应图片的contour
- point: 需要准备好需要的点，需要tuple类型
- measureDist：measureDist如果为true，则该函数估计从点到最近的轮廓边缘的有符号距离。 否则，该功能仅检查该点是否在轮廓内。
这个按照我们的需要设置为False即可，当measureDist设置为false时，若返回值为+1，表示点在轮廓内部，返回值为-1，表示在轮廓外部，返回值为0，表示在轮廓上。
flag_point2 = cv2.pointPolygonTest(contour[i],central_points_2_xy, False)
计算轮廓面积
cv2.contourArea(contour)
输入一个边界矩阵，返回该轮廓包围的面积
彩色图变灰度图
cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
灰度图变二值图
cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
_,binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY) # 灰度图变二值图
获取边界轮廓
cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
根据二值图找轮廓
contours, _ = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) # 根据二值图找轮廓
绘制轮廓
cv2.drawContours(img,contours,contourIdx, color, thickness)
- img:图像，numpy数组
- contours ：边界数组，用
cv2.findContours找出 - contouridx: 一般为-1，表示绘制全部轮廓
- color:RGB颜色，如(255,255,0)
- thickness:线条粗细，1
cv2.drawContours(img1,contours,-1,(0,0,255),1)
OpenCV显示图像
cv2.imshow("draw", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
在图片中添加文字
cv2.putText(image, text, (5,50 ), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 0, 255), 2)
图片，添加的文字，左上角坐标，字体，字体大小，颜色，字体粗细
font = cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(img, "P", (100,100), font, 1, (0, 255, 0), 1)
在图片中绘制圆/点
circle: (img, center, radius, color, thickness)
cv2.circle(img,central_points,1,(255,255,0),4)
Pillow（PIL）的Image转为OpenCV图像
使用np.asarray(r_img)