opencv 图像轮廓的实现示例


Posted in Python onJuly 08, 2020

图像轮廓

Contours:轮廓
轮廓是将没有连着一起的边缘连着一起。
边缘检测检测出边缘,边缘有些未连接在一起。

opencv 图像轮廓的实现示例

注意问题
1.对象为二值图像,首先进行阈值分割或者边缘检测。
2.查找轮廓需要更改原始图像,通常使用原始图像的一份进行拷贝。
3.在opencv里,是从黑色背景里找白色。因此对象必须是白色,背景为黑色。

方法

  • cv2.findContours()
  • cv2.drawContours()

通过cv2.findContours() 查找轮廓在哪里,再通过 cv2.drawContours()将查找的轮廓绘制出来。

contours,hierarchy=cv2.findContours(image,mode,method)
contours:轮廓
hierarchy:图像的拓扑信息(轮廓层次)(存储上一个轮廓,父轮廓…)
image:原始图像
mode:轮廓检索方式
method:轮廓的近似方法

opencv 图像轮廓的实现示例

opencv 图像轮廓的实现示例

r=cv2.drawContours(image, contours, contourIdx, color[, thickness])

r:目标图像
image:原始图像
contours: 所有的输入轮廓边缘数组
contourIdx :需要绘制的边缘索引,如果全部绘制为-1。如果有多个目标,可以绘制第一个目标0,第二个目标1,第三个目标2.。。
color:绘制的颜色,为BGR格式的SCalar
thickness:可选,绘制的密度,即轮廓的画笔粗细

import cv2
import numpy as np
o = cv2.imread('lena256.bmp')
gray = cv2.cvtColor(o,cv2.COLOR_BGR2GRAY)#BGR-灰度
ret, binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)#二值图像
contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
co=o.copy()#对原始图像进行绘制
r=cv2.drawContours(co,contours,-1,(0,127,127),4)#co为复制图像,轮廓会修改原始图像
cv2.imshow("original",o)
cv2.imshow("contours",r)
cv2.waitKey()

opencv 图像轮廓的实现示例

cv2.cvtColor(input_image, flag)用于颜色空间转换。
input_image:需要转换的图像
flag:转换类型
cv2.COLOR_BGR2GRAY : BGR -灰度
cv2.COLOR_BGR2RGB:BGR-RGB
cv2.COLOR_BGR2HSV:BGR-HSV

最小外接圆

函数cv2.minEnclosingCircle() 可以帮我们找到一个对象的外切圆。它是所有能够包括对象的圆中面积最小的一个。

案例:现有下面这样一张图片,要求将图片中心的花朵标记出来。

opencv 图像轮廓的实现示例

代码:

import numpy as np
import cv2 as cv

img=cv.imread("image.jpg",0)

#为了显示方便,这里将图片进行缩放
x,y=img.shape
img=cv.resize(img,(y//2,x//2))
#将图片二值化,由于前景物体是黑色的,因此在二值化时采用cv.THRESH_TOZERO_INV这种方式
ret,thresh=cv.threshold(img,127,255,cv.THRESH_TOZERO_INV)
#寻找图片中的轮廓,mode=cv.RETR_EXTERNAL,这是为了寻找最外层的轮廓
im,contour,hierarchy=cv.findContours(thresh,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_SIMPLE)

#cv.minEnclosingCircle函数的参数要求是ndarray类型,因此这里将找到的
# 轮廓中的所有的点存放在一个列表中,然后使用这个列表创建数组
point_list=[]
for i in contour:
  for j in i:
    point_list.append(j[0])
point_array=np.array(point_list)

#使用最小外接圆函数,返回值为这个圆的圆心坐标和圆半径长度
(x,y),radius=cv.minEnclosingCircle(point_array)

#图片上的坐标均为整数,圆的半径也要求是整数,因此将它们强制转换为int类型
center=(int(x),int(y))
color=cv.cvtColor(img,cv.COLOR_GRAY2BGR)
color=cv.circle(color,center,radius=int(radius),color=(0,0,255),thickness=2)
#显示图片
cv.imshow("color",color)
cv.waitKey(0)
cv.destroyAllWindows()

程序结果:

opencv 图像轮廓的实现示例

凸包

凸包与轮廓近似相似,但不同,虽然有些情况下它们给出的结果是一样的。函数cv2.convexHull() 可以用来检测一个曲线是否具有凸性缺陷,并能纠正缺陷。一般来说,凸性曲线总是凸出来的,至少是平的。在opencv中使用函数cv.convexhull来寻找轮廓的凸包,该函数的定义为:

hull=cv.convexHull( points[, hull[, clockwise[, returnPoints]]])

这个函数的参数如下:

Points:我们需要传入的轮廓

Hull:输出,通常不需要

clockwise: 取向标志,如果为True,凸包的方向是顺时针方向,否则为逆时针方向;

returnPoints: 默认为True. 它会返回凸包上点的坐标。如果设置为False,就会返回与凸包点对应的轮廓上的点。

还是上面的这副图片,我们对上面的代码稍加修改,可以得到凸包的形状,代码如下:

import numpy as np
import cv2 as cv

img=cv.imread("image.jpg",0)

#为了显示方便,这里将图片进行缩放
x,y=img.shape
img=cv.resize(img,(y//2,x//2))
#将图片二值化,由于前景物体是黑色的,因此在二值化时采用cv.THRESH_TOZERO_INV这种方式
ret,thresh=cv.threshold(img,127,255,cv.THRESH_TOZERO_INV)
#寻找图片中的轮廓,mode=cv.RETR_EXTERNAL,这是为了寻找最外层的轮廓
im,contour,hierarchy=cv.findContours(thresh,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_SIMPLE)

#cv.minEnclosingCircle函数的参数要求是ndarray类型,因此这里将找到的
# 轮廓中的所有的点存放在一个列表中,然后使用这个列表创建数组
point_list=[]
for i in contour:
  for j in i:
    point_list.append(j[0])
point_array=np.array(point_list)

#寻找凸包,返回值是凸包上的点
hull=cv.convexHull(point_array,returnPoints=True)
color=cv.cvtColor(img,cv.COLOR_GRAY2BGR)

#将凸包绘制出来,需要注意的是:这里需要将凸包上点的坐标写成一个
#列表传入函数cv.ploylines,否则绘制出来的只是凸包上的一系列点
color=cv.polylines(color,[hull],True,(0,0,255),2)
#显示图片
cv.imshow("color",color)
cv.waitKey(0)
cv.destroyAllWindows()

程序运行结果为:

opencv 图像轮廓的实现示例

图像掩模和像素点

有时我们需要构成对象的所有像素点,我们可以将图像的所有轮廓提取出来,然后使用函数cv.drawContours()将轮廓内的区域填充为指定的颜色。然后使用cv.findNonZeros()函数将非零像素点的坐标提取出来,这样就得到了构成对象的像素点。我们还是在上面的图片上进行操作,代码如下:

import numpy as np
import cv2 as cv

img=cv.imread("image.jpg",0)

#为了显示方便,这里将图片进行缩放
x,y=img.shape
img=cv.resize(img,(y//2,x//2))
#将图片二值化,由于前景物体是黑色的,因此在二值化时采用cv.THRESH_TOZERO_INV这种方式
ret,thresh=cv.threshold(img,127,255,cv.THRESH_TOZERO_INV)
#寻找图片中的轮廓,mode=cv.RETR_EXTERNAL,这是为了寻找最外层的轮廓
im,contour,hierarchy=cv.findContours(thresh,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_SIMPLE)
#创建一个填充轮廓内像素点的画板,背景颜色为黑色,这里我们使用numpy创建一个全零的二维数组
mask=np.zeros(img.shape,dtype=np.uint8)
#将参数thickness设置为-1,这样cv.drawContours函数就会将轮廓内的像素点填充为指定的颜色
mask=cv.drawContours(mask,contour,contourIdx=-1,color=(255,255,255),thickness=-1)

#寻找mask内非零像素点,将其存放为一个numpy数组
NonZeroPoints=np.array(cv.findNonZero(mask))
#形状变换,将其改变为一个二维数组,数组的每一行存放一个非零像素点的坐标
NonZeroPoints=NonZeroPoints.reshape((-1,2))
#验证我们提取出来的像素点坐标是否正确,我们使用变量
#column和row分别存放非零像素点在图像中坐标的列数和行数
column=NonZeroPoints[:,0]
row=NonZeroPoints[:,1]
#在新的画板上将这些点绘制出来,将这些坐标对应的像素点的值设为255
mask1=np.zeros(img.shape)
mask1[row,column]=255
#显示结果
cv.imshow("mask",mask)
cv.imshow("mask1",mask1)
cv.waitKey(0)
cv.destroyAllWindows()

程序运行结果:

opencv 图像轮廓的实现示例

通过上面两幅图的对比结果,我们可以看到:对象的组成像素点被正确地提取出来了。

到此这篇关于opencv 图像轮廓的实现示例的文章就介绍到这了,更多相关opencv 图像轮廓内容请搜索三水点靠木以前的文章或继续浏览下面的相关文章希望大家以后多多支持三水点靠木!

Python 相关文章推荐
pymssql ntext字段调用问题解决方法
Dec 17 Python
Python实现爬取需要登录的网站完整示例
Aug 19 Python
python通过百度地图API获取某地址的经纬度详解
Jan 28 Python
Python面向对象class类属性及子类用法分析
Feb 02 Python
Python3爬虫爬取百姓网列表并保存为json功能示例【基于request、lxml和json模块】
Dec 05 Python
Python反爬虫技术之防止IP地址被封杀的讲解
Jan 09 Python
选择Python写网络爬虫的优势和理由
Jul 07 Python
django mysql数据库及图片上传接口详解
Jul 18 Python
python-序列解包(对可迭代元素的快速取值方法)
Aug 24 Python
Python操作MySQL数据库实例详解【安装、连接、增删改查等】
Jan 17 Python
python 模块导入问题汇总
Feb 01 Python
python数字图像处理之图像自动阈值分割示例
Jun 28 Python
opencv 图像滤波(均值,方框,高斯,中值)
Jul 08 #Python
用opencv给图片换背景色的示例代码
Jul 08 #Python
python文件及目录操作代码汇总
Jul 08 #Python
Python预测2020高考分数和录取情况
Jul 08 #Python
Python venv虚拟环境配置过程解析
Jul 08 #Python
Python如何实现自带HTTP文件传输服务
Jul 08 #Python
Python第三方包PrettyTable安装及用法解析
Jul 08 #Python
You might like
用PHP实现多级树型菜单
2006/10/09 PHP
php遍历目录方法小结
2015/03/10 PHP
php实现xml转换数组的方法示例
2017/02/03 PHP
thinkPHP5框架闭包函数与子查询传参用法示例
2018/08/02 PHP
php实现的PDO异常处理操作分析
2018/12/27 PHP
PHP PDOStatement::getColumnMeta讲解
2019/02/01 PHP
java script编程起步(第三课)
2007/01/10 Javascript
有关DOM元素与事件的3个谜题
2010/11/11 Javascript
深入分析jQuery的ready函数是如何工作的(工作原理)
2015/12/17 Javascript
JS中的eval 为什么加括号
2016/04/13 Javascript
AngularJS入门教程之AngularJS模型
2016/04/18 Javascript
Node.js 异步异常的处理与domain模块解析
2017/05/10 Javascript
JS实现点击链接切换显示隐藏内容的方法
2017/10/19 Javascript
Js面试算法详解
2018/04/08 Javascript
微信小程序Echarts图表组件使用方法详解
2019/06/25 Javascript
vue中 数字相加为字串转化为数值的例子
2019/11/07 Javascript
原生JS实现拖拽效果
2020/12/04 Javascript
基于JavaScript实现轮播图效果
2021/01/02 Javascript
[42:35]2018DOTA2亚洲邀请赛3月30日 小组赛A组 VG VS OpTic
2018/03/31 DOTA
解读Python中degrees()方法的使用
2015/05/18 Python
django之常用命令详解
2016/06/30 Python
python logging日志模块的详解
2017/10/29 Python
python解释器spython使用及原理解析
2019/08/24 Python
利用python实现平稳时间序列的建模方式
2020/06/03 Python
python 实现ping测试延迟的两种方法
2020/12/10 Python
html5中的input新属性range使用记录
2014/09/05 HTML / CSS
html5手机键盘弹出收起的处理
2020/01/20 HTML / CSS
Debenhams爱尔兰:英国知名的百货公司
2017/01/02 全球购物
函授毕业个人自我评价
2014/02/20 职场文书
商务日语专业自荐信
2014/04/17 职场文书
大三学习计划书范文
2014/05/02 职场文书
违反工作规定检讨书范文
2014/12/14 职场文书
刑事附带民事代理词
2015/05/25 职场文书
2016年学校爱国卫生月活动总结
2016/04/06 职场文书
测量JavaScript函数的性能各种方式对比
2021/04/27 Javascript
基于Go Int转string几种方式性能测试
2021/04/28 Golang