opencv-python 图像处理 —— 轮廓检测

淩亂°似流年 2022-01-21 03:45 309阅读 0赞

### 文章目录 ###

*   *  轮廓检测
     *   *  1、阈值函数 cv2.threshold()
         *  2、使用threshold函数的黑白二值反转实例
         *  3、轮廓检测，绘制轮廓

## 轮廓检测 ##

### 1、阈值函数 cv2.threshold() ###

这个函数有四个参数，第一个原图像，第二个进行分类的阈值，第三个是高于（低于）阈值时赋予的新值，第四个是一个方法选择参数，常用的有：  
• cv2.THRESH\_BINARY（黑白二值）  
• cv2.THRESH\_BINARY\_INV（黑白二值反转）  
• cv2.THRESH\_TRUNC （得到的图像为多像素值）  
• cv2.THRESH\_TOZERO  
• cv2.THRESH\_TOZERO\_INV  
该函数有两个返回值，第一个retVal（得到的阈值值），第二个就是阈值化后的图像。  
测试一下方法选择参数的值

import cv2
    
    print(cv2.THRESH_BINARY) # 黑白二值
    print(cv2.THRESH_BINARY_INV) # 黑白二值反转
    print(cv2.THRESH_TRUNC) # 得到的图像为多像素值
    print(cv2.THRESH_TOZERO)
    print(cv2.THRESH_TOZERO_INV )

得到这样的结果  
![在这里插入图片描述][2019060811161632.png]  
对比图（图片来源：[https://blog.csdn.net/on2way/article/details/46812121）][https_blog.csdn.net_on2way_article_details_46812121]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dqaDI2MjIwNzUxMjc_size_16_color_FFFFFF_t_70]

### 2、使用threshold函数的黑白二值反转实例 ###

import cv2
    import numpy as np
    
    img = np.zeros((200, 200), dtype=np.uint8)
    img[50:150, 50:150] = 255
    
    ret, thresh = cv2.threshold(img, 127, 255, 1)
    
    cv2.imshow('Image', img)
    cv2.imshow('Image2', thresh)
    cv2.waitKey()
    cv2.destroyAllWindows()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dqaDI2MjIwNzUxMjc_size_16_color_FFFFFF_t_70 1]

### 3、轮廓检测，绘制轮廓 ###

import cv2
    import numpy as np
    
    img = np.zeros((500, 500), dtype=np.uint8)
    img[50:150, 50:150] = 255 # 画出白色的块
    
    ret, thresh = cv2.threshold(img, 127, 255, 0) # 阈值函数
    
    contours, hierarchy = cv2.findContours( # 轮廓检测
        thresh,
        cv2.RETR_TREE,
        cv2.CHAIN_APPROX_SIMPLE
    )
    color = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR) # 转化成BGR图
    img = cv2.drawContours(color, contours, -1, (0, 255, 0), 2) # 绘制绿色轮廓
    
    cv2.imshow('Contours', color)
    cv2.waitKey()
    cv2.destroyAllWindows()

结果  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dqaDI2MjIwNzUxMjc_size_16_color_FFFFFF_t_70 2]

[2019060811161632.png]: /images/20220121/f4b08de686c348889d24b4e4749e054a.png
[https_blog.csdn.net_on2way_article_details_46812121]: https://blog.csdn.net/on2way/article/details/46812121%EF%BC%89
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dqaDI2MjIwNzUxMjc_size_16_color_FFFFFF_t_70]: /images/20220121/2db39e33fe2141b48fc68cfdc5d07d43.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dqaDI2MjIwNzUxMjc_size_16_color_FFFFFF_t_70 1]: /images/20220121/b78605f3c3204848a3b86c60c48c2956.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dqaDI2MjIwNzUxMjc_size_16_color_FFFFFF_t_70 2]: /images/20220121/51120c84f3604b349e922ecacf7b061e.png