python-opencv之轮廓检测
在计算机视觉中,轮廓检测是一个比较重要的任务,它不单是用来检测图像或视频帧中物体的轮廓,而且还有其它操作与轮廓检测有关。这些操作包括:计算多边形边界、形状逼近和计算感兴趣区域等。这是与图像数据交互时的简单操作,在物体检测和物体跟踪时会大量使用这些方法。import osimport cv2import numpy as npimg = cv2.imread('1.png')image = cv2.
·
在计算机视觉中,轮廓检测是一个比较重要的任务,它不单是用来检测图像或视频帧中物体的轮廓,而且还有其它操作与轮廓检测有关。这些操作包括:计算多边形边界、形状逼近和计算感兴趣区域等。这是与图像数据交互时的简单操作,在物体检测和物体跟踪时会大量使用这些方法。
import os
import cv2
import numpy as np
img = cv2.imread('1.png')
image = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(image, 127, 255, 0)
image, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
image = cv2.drawContours(img, contours, -1, (0, 0, 255), 2)
cv2.imwrite('contour.jpg', image)
首先将图像转化为灰度图,然后调用findContour()函数,该函数有三个参数:输入图像、层次类型以及轮廓逼近方法,他有以下几个特点:
- 这个函数会修改输入图像,因此建议使用原始图像的一份拷贝;
- 函数返回的层次树相当重要。cv2.RETR_TREE参数会得到图像中轮廓的整体层次结构,以此建立轮廓之间的“关系”。如果只想得到最外面的轮廓,可使用cv2.RETR_EXTERNAL,这对消除包含在其他轮廓中的轮廓很有用。
findContours()函数有三个返回值:修改后的图像、图像的轮廓以及它们的层次。
输入图像:
输出:
更多推荐
所有评论(0)