cv2.findContours(img,mode, method) # 找出图中的轮廓值,得到的轮廓值都是嵌套格式的
参数说明:img表示输入的图片,mode表示轮廓检索模式,通常都使用RETR_TREE找出所有的轮廓值,method表示轮廓逼近方法,使用NONE表示所有轮廓都显示cv2.drawCountours(img, contours, -1, (0, 0, 255), 2) # 画出图片中的轮廓值,也可以用来画轮廓的近似值
参数说明:img表示输入的需要画的图片, contours表示轮廓值,-1表示轮廓的索引,(0, 0, 255)表示颜色, 2表示线条粗细cv2.contourArea(cnt, True) # 计算轮廓的面积
参数说明:cnt为输入的单个轮廓值- cv2.arcLength(cnt, True) # 计算轮廓的周长
参数说明:cnt为输入的单个轮廓值 cv2.aprroxPolyDP(cnt, epsilon, True) # 用于获得轮廓的近似值,使用cv2.drawCountors进行画图操作
参数说明:cnt为输入的轮廓值, epsilon为阈值T,通常使用轮廓的周长作为阈值,True表示的是轮廓是闭合的x, y, w, h = cv2.boudingrect(cnt) # 获得外接矩形
参数说明:x,y, w, h 分别表示外接矩形的x轴和y轴的坐标,以及矩形的宽和高, cnt表示输入的轮廓值
1.载入图片
2.使用cv2.cvtcolor() 将图片转换为灰度图
3.使用cv2.threshold将图片做二值化转换
4.使用cv2.findContours 找出图片的轮廓值
5.使用cv2.drawContours在图片上画上轮廓
import cv2 import numpy as np def cv_show(img, name): cv2.imshow(name, img) cv2.waitKey(0) cv2.destroyAllWindows() # 第一步读入图片 img = cv2.imread('car.png') # 第二步:对图片做灰度变化 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 第三步:对图片做二值变化 ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 第四步:获得图片的轮廓值 Binary, contours, h = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE) # 第五步:在图片中画出图片的轮廓值 draw_img = img.copy() ret = cv2.drawContours(draw_img, contours, -1, (0, 0, 255), 2) # 第六步:画出带有轮廓的原始图片 cv_show(ret, 'ret')
cv2.findCountor找出轮廓值,
使用cv2.drawCountors画出第一个图像的轮廓
通过索引取出第一个轮廓值cnt,
使用cv2.ContourArea()计算轮廓的面积
使用cv2.arcLength 获得轮廓的周长
img = cv2.imread('contours.png') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) binary, contours, h = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE) draw_img = img.copy() # 参数说明,draw_img 需要作图的原始图像, contours表示轮廓, 0表示轮廓索引, (0, 0, 255)表示颜色, 2表示线条粗细 ret = cv2.drawContours(draw_img, contours, 0, (0, 0, 255), 2) cv_show(ret, 'ret') # 取出单个的轮廓值 cnt = contours[0] # 第二步:计算轮廓的面积 area = cv2.contourArea(cnt) # 第三步: 计算轮廓的周长 length= cv2.arcLength(cnt, True) print(area, length)
来源:https://www.cnblogs.com/shiqi17/p/12169742.html