opencv函数findcontours_基于python+opencv的实时图像处理

初学OpenCV图像处理的小伙伴肯定对什么高斯函数、滤波处理、阈值二值化等特性非常头疼，这里给各位分享一个小项目，可通过摄像头实时动态查看各类图像处理的特点。

0.OpenCV

OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作系统上。[1]它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

1.设计功能

基于python+OpenCV，本项目可实现对摄像头实时采集数据的阈值二值化，边缘检测，轮廓检测，高斯滤波，色彩转换和对比度调节。

2.导入库文件

这里主要使用PySimpleGUI、cv2和numpy库，PySimpleGUI库文件实现GUI可视化，cv2库文件是Python的OpenCV接口文件，numpy库文件实现数值的转换和运算，均可通过pip导入。

import 

3.设计GUI

基于PySimpleGUI库文件实现GUI设计，本项目界面设计较为简单，设计800X400尺寸大小的框图，绿色背景，主要由摄像头界面区域和控制按钮区域两部分组成。效果如下所示：

设计GUI的代码如下：

sg.theme('Green')

layout = [
  [sg.Image(filename='', key='image')],
  [sg.Radio('None', 'Radio', True, size=(10, 1))],
  [sg.Radio('threshold', 'Radio', size=(10, 1), key='thresh'),
   sg.Slider((0, 255), 128, 1, orientation='h', size=(40, 15), key='thresh_slider')],
  [sg.Radio('canny', 'Radio', size=(10, 1), key='canny'),
   sg.Slider((0, 255), 128, 1, orientation='h', size=(20, 15), key='canny_slider_a'),
   sg.Slider((0, 255), 128, 1, orientation='h', size=(20, 15), key='canny_slider_b')],
  [sg.Radio('contour', 'Radio', size=(10, 1), key='contour'),
   sg.Slider((0, 255), 128, 1, orientation='h', size=(20, 15), key='contour_slider'),
   sg.Slider((0, 255), 80, 1, orientation='h', size=(20, 15), key='base_slider')],
  [sg.Radio('blur', 'Radio', size=(10, 1), key='blur'),
   sg.Slider((1, 11), 1, 1, orientation='h', size=(40, 15), key='blur_slider')],
  [sg.Radio('hue', 'Radio', size=(10, 1), key='hue'),
   sg.Slider((0, 225), 0, 1, orientation='h', size=(40, 15), key='hue_slider')],
  [sg.Radio('enhance', 'Radio', size=(10, 1), key='enhance'),
   sg.Slider((1, 255), 128, 1, orientation='h', size=(40, 15), key='enhance_slider')],
  [sg.Button('Exit', size=(10, 1))],
]

4.调用摄像头

打开电脑内置摄像头，将数据显示在GUI界面上，代码如下：

    #打开内置摄像头
    cap = cv2.VideoCapture(0)
    while True:
        event, values = window.read(timeout=0, timeout_key='timeout')
 
        #实时读取图像
        ret, frame = cap.read()
 
        #GUI实时更新
        imgbytes = cv2.imencode('.png', frame)[1].tobytes()
        window['image'].update(data=imgbytes)
 
    window.close()

5.实时图像处理

5.1 阈值二值化

进行阈值二值化操作，大于阈值values['thresh_slider']的，使用255表示，小于阈值values['thresh_slider']的，使用0表示，代码如下所示：

if values['thresh']:
    frame = cv2.cvtColor(frame, cv2.COLOR_BGR2LAB)[:, :, 0]
    frame = cv2.threshold(frame, values['thresh_slider'], 255, cv2.THRESH_BINARY)[1]

4.2 边缘检测

进行边缘检测，values['canny_slider_a']表示最小阈值，values['canny_slider_b']表示最大阈值，代码如下所示：

if values['canny']:
    frame = cv2.Canny(frame, values['canny_slider_a'], values['canny_slider_b'])

4.3 轮廓检测

轮廓检测是形状分析和物体检测和识别的有用工具，连接所有连续点（沿着边界）的曲线，具有相同的颜色或强度，代码如下所示：

if values['contour']:
    hue = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    hue = cv2.GaussianBlur(hue, (21, 21), 1)
    hue = cv2.inRange(hue, np.array([values['contour_slider'], values['base_slider'], 40]),
                      np.array([values['contour_slider'] + 30, 255, 220]))
    cnts= cv2.findContours(hue, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[0]
    cv2.drawContours(frame, cnts, -1, (0, 0, 255), 2)

4.4 高斯滤波

进行高斯滤波,(21, 21)表示高斯矩阵的长与宽都是21，标准差取values['blur_slider']，代码如下所示:

if values['blur']:
    frame = cv2.GaussianBlur(frame, (21, 21), values['blur_slider'])

4.5、色彩转换

色彩空间的转化，HSV转换为BGR,代码如下所示:

if values['hue']:
    frame = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    frame[:, :, 0] += int(values['hue_slider'])
    frame = cv2.cvtColor(frame, cv2.COLOR_HSV2BGR)

4.6、调节对比度

增强对比度，使图像中的细节看起来更加清晰，代码如下所示：

if values['enhance']:
    enh_val = values['enhance_slider'] / 40
    clahe = cv2.createCLAHE(clipLimit=enh_val, tileGridSize=(8, 8))
    lab = cv2.cvtColor(frame, cv2.COLOR_BGR2LAB)
    lab[:, :, 0] = clahe.apply(lab[:, :, 0])
    frame = cv2.cvtColor(lab, cv2.COLOR_LAB2BGR)

5、退出系统

直接break即可跳出循环。

if event == 'Exit' or event is None:
    break

完整代码如下：