如何利用Python+OpenCV实现简易图像边缘轮廓检测(零基础)

前言

图像的轮廓检测不论是机器视觉还是其他方面都有较大作用，本文将基与Python3.7和OpenCV4.3对静态图像进行轮廓检测。最终以方框的形式框出目标图像。

函数基础与三方库

本文所用的第三方库是Opencv4.3

导入第三方库

import cv2 as cv

由于Opencv显示图像比较麻烦，与matlab或matplob不一致，考虑到基础薄弱可能对此库的图像显示机制不了解，在此我先定义一个img_show函数，目的是更方便的显示图像。

def img_show(pic，name):
'''
此函数img_show()用于调用OpenCV的相关函数来进行图像展示
name为显示图像窗口的名称(name为字符串)
pic为被显示图像（pic为opencv imread进来的图片）
'''
    cv.imshow(pic,name)
    cv.waitkey(0)
    cv.destroyAllWindows()

cv.threshold(pic,thresh,maxvalue,model)

此函数用于图像单通道不同阈值的操作，一般用来将图像进行二值化处理，二值化处理将有助于边缘检测的梯度计算。
其中pic为待处理图片，由于是对单通道处理，所以pic一般要转换为灰度图

thresh为操作阈值，高于这个阈值的将根据不同的model统一成 0 或 maxvalue

model为操作方法，一般只需要cv.THRESH_BINARY_INV和cv.THRESH_BINARY

…THRESH_BINARY_INV 将大于thresh的设置为0

…THRESH_BINARY 将大于thresh的设置为255

该图像有两个返回值，第一个返回值为阈值，即thresh值，第二个为二值图像的矩阵

cv.findContours（待处理图片,model（提取模式）,method（提取方法））

此函数用于提取pic的轮廓点，pic为二值图像时，函数提取将更加精准

model 为提取模式 一般用到cv.RETR_EXTERNAL和cv.RETR_TREE

…Extrnal为以外层轮廓的方式进行提取

…Tree则提取图像内外层所有轮廓

method 为提取方法，有cv.CHAIN_APPROX_NONE和cv.CHAIN_APPROX_SIMPLE

…NONE为以线的方式连接提取出来的轮廓

…SIMPLE则压缩了线和斜边，只标记了轮廓的各个顶点

此函数的返回值有两个，一个是边缘点（列表形式），一个是层次信息

contours,hierarchy = cv.findContours(pic,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_NONE)

此段代码的意思是

基于pic 此图像

使用描述外轮廓的模式

通过各个点链接的方式进行轮廓提取

最终得到轮廓列表集合contours和层次关系hierarchy

注：在contours里面有非常多的轮廓集合，比如contours[0]\contours[1]\contours[2]是三个轮廓，可能只有1是目标轮廓，其他均为噪声轮廓

cv.drawContours（画布,轮廓集合,索引,颜色,粗细）

此函数用于在指定画布，用指定颜色粗细的线画出指定轮廓（索引判断）或所有轮廓（-1）

画布：将轮廓点画在画布上，一般是代替去图片的copy图，不然会污染原图。

轮廓集合：上文中提到的contours，其中包含了目标轮廓和噪声轮廓的所有轮廓

索引：选定轮廓集合中的某一轮廓，如果你知道目标轮廓的编号可以直接写，如果不知道就写-1，可以画出所有轮廓

颜色： 元组形式，（255，0，0）为红色，以此类推

粗细：轮廓的粗细 1~任意整数，太大会覆盖原图

cv.boundingRect(图像）

此函数用于将检测的函数进行矩阵点的查找

图像：被检测的图像，一般是传入目标的轮廓，即contours[index],index为目标编号

此函数会返回四个值：x,y,w,h

其中x,y指的是该图像x轴上最小值和y轴最小值（有左上角为原点时），w,h跟别指的囊括图像所有的宽和高

代码实现

#导入opencv
import cv2 as cv

#定义opencv的图像显示函数
def img_show(pic,name):
    cv.imshow(pic,name)
    cv.waitKey(0)
    cv.destroyAllWindows()

#彩色模式读入图片
eagle_o = cv.imread('eagle.png',1)
# 图片转为灰度图
eagle = cv.cvtColor(eagle_o,cv.COLOR_BGR2GRAY)
# 将图像转换为二值图
ret,eagle_2v = cv.threshold(eagle,125,255,cv.THRESH_BINARY_INV) #ret为阈值，eagl_2v为二值图
# 基于二值图像用外轮廓的模式，通过全点连接轮廓的方法提取轮廓
contours,hierarchy = cv.findContours(eagle_2v,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_NONE)
# 在copy图上画出所有轮廓
img = cv.drawContours(eagle_o.copy(),contours,-1,(255,25,0),5)
# 获取目标图像的最小矩阵，此处29为目标的轮廓
x,y,w,h = cv.boundingRect(contours[29])
# 绘制目标框
img = cv.rectangle(eagle_o,(x,y),(x+w,y+h),(255,255,0),7)
img_show('goal',img)

实现效果

总结

到此这篇关于如何利用Python+OpenCV实现简易图像边缘轮廓检测的文章就介绍到这了,更多相关Python OpenCV图像边缘轮廓检测内容请搜索脚本之家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脚本之家！

最新评论