最好看的小说排行,我吃西红柿,小说改编的网页游戏

新聞中心

這里有您想知道的互聯(lián)網(wǎng)營(yíng)銷(xiāo)解決方案

怎么在Python中使用OpenCV標(biāo)記圖像區(qū)域輪廓-創(chuàng)新互聯(lián)

這期內(nèi)容當(dāng)中小編將會(huì)給大家?guī)?lái)有關(guān)怎么在Python中使用OpenCV標(biāo)記圖像區(qū)域輪廓，文章內(nèi)容豐富且以專(zhuān)業(yè)的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。

創(chuàng)新互聯(lián)長(zhǎng)期為上千余家客戶提供的網(wǎng)站建設(shè)服務(wù)，團(tuán)隊(duì)從業(yè)經(jīng)驗(yàn)10年，關(guān)注不同地域、不同群體，并針對(duì)不同對(duì)象提供差異化的產(chǎn)品和服務(wù)；打造開(kāi)放共贏平臺(tái)，與合作伙伴共同營(yíng)造健康的互聯(lián)網(wǎng)生態(tài)環(huán)境。為雙陽(yáng)企業(yè)提供專(zhuān)業(yè)的網(wǎng)站設(shè)計(jì)、成都網(wǎng)站設(shè)計(jì)，雙陽(yáng)網(wǎng)站改版等技術(shù)服務(wù)。擁有十多年豐富建站經(jīng)驗(yàn)和眾多成功案例,為您定制開(kāi)發(fā)。

圖片基本處理

import cv2 as cv

src = cv.imread("./demo.jpg")

gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
# cv.imshow("src", src)

gray = cv.GaussianBlur(gray, (5, 5), 0)
edges = cv.Canny(gray, 70, 210)

cv.imshow("edged", edges)

輪廓檢測(cè)

下面就是檢測(cè)圖像輪廓具體位置的代碼了：

contours, hierarchy = cv.findContours(edges.copy(), cv.RETR_LIST, cv.CHAIN_APPROX_SIMPLE)
print(f"輪廓數(shù)量：{len(contours)}")

在cv.findContours(edges, cv.RETR_LIST, cv.CHAIN_APPROX_SIMPLE) 中，第二個(gè)參數(shù)使用的是cv.RETR_LIST，該參數(shù)值表示檢測(cè)所有輪廓，不建立等級(jí)關(guān)系，彼此獨(dú)立。如果只想獲取輪廓邊緣信息,不關(guān)心是否嵌套在另一個(gè)輪廓之內(nèi)，使用該參數(shù)值即可。

第三個(gè)參數(shù)使用的是cv.CHAIN_APPROX_SIMPLE，表示壓縮水平方向，垂直方向，對(duì)角線方向的元素，只保留該方向的終點(diǎn)坐標(biāo)，例如一個(gè)矩形輪廓只需 4 個(gè)點(diǎn)來(lái)保存輪廓信息，這也是為了后面便于計(jì)算。

觀察上圖，可以發(fā)現(xiàn)最外側(cè)的邊緣面積是較大的，所以依據(jù)面積進(jìn)行排序，依據(jù)其他值也可以，獲取面積較大的輪廓。

contours = sorted(contours, key = cv.contourArea, reverse = True)[:3]

對(duì)輪廓進(jìn)行簡(jiǎn)單繪制，獲得下圖效果。

cv.drawContours(src,contours,-1,(0,0,255),2)

遍歷輪廓，計(jì)算輪廓近似

先看代碼：

# 遍歷輪廓
for c in contours:
	# 計(jì)算輪廓近似
	peri = cv.arcLength(c, True)
	approx = cv.approxPolyDP(c, 0.02 * peri, True)

一個(gè)新的函數(shù)cv.arcLength，該函數(shù)的原型如下：

retval = cv2.arcLength(curve, closed)

該函數(shù)用于計(jì)算輪廓的周長(zhǎng)。

下面的cv.approxPolyDP 函數(shù)原型如下：

approxCurve = cv2.approxPolyDP(curve, epsilon, closed[, approxCurve])

函數(shù)參數(shù)如下：

curve：源圖像的某個(gè)輪廓；
epsilon：距離值，表示多邊形的輪廓接近實(shí)際輪廓的程度，值越小，越精確；
closed：輪廓是否閉合。

最重要的參數(shù)就是epsilon 簡(jiǎn)單記憶為：該值越小，得到的多邊形角點(diǎn)越多，輪廓越接近實(shí)際輪廓，該參數(shù)是一個(gè)準(zhǔn)確度參數(shù)。

該函數(shù)返回值為輪廓近似多邊形的角點(diǎn)。

繪制輪廓

最后判斷，當(dāng)上文返回的角點(diǎn)為 4 的時(shí)候，提取輪廓，代碼如下：

# 遍歷輪廓
for c in contours:
	# 計(jì)算輪廓近似
	peri = cv.arcLength(c, True)
	approx = cv.approxPolyDP(c, 0.02 * peri, True)

	# 當(dāng)恰好是 4 個(gè)角點(diǎn)的時(shí)候，獲取輪廓。
	if len(approx) == 4:
		screen_cnt = approx
		break

# 結(jié)果顯示
cv.drawContours(src, [screen_cnt], -1, (0, 0, 255), 2)

更換圖片，進(jìn)行再次輪廓檢測(cè)，注意修改輪廓近似部分代碼即可。

# 遍歷輪廓
for c in contours:
  # 計(jì)算輪廓近似

  approx = cv.approxPolyDP(c, 30, True)

  if len(approx) == 4:
    screen_cnt = approx
    break

上述就是小編為大家分享的怎么在Python中使用OpenCV標(biāo)記圖像區(qū)域輪廓了，如果剛好有類(lèi)似的疑惑，不妨參照上述分析進(jìn)行理解。如果想知道更多相關(guān)知識(shí)，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。

文章名稱：怎么在Python中使用OpenCV標(biāo)記圖像區(qū)域輪廓-創(chuàng)新互聯(lián)
文章位置：http://fisionsoft.com.cn/article/cecoip.html

新聞中心

圖片基本處理

繪制輪廓

其他資訊