OpenCV图像轮廓提取的实现

OpenCV图像轮廓提取的实现

图像轮廓是一组表示图像形状的点的连续曲线。在图像处理中，轮廓提取是非常重要的步骤，可以用来识别图像中的目标物体，检测边缘和形状等。OpenCV是一种流行的图像处理库，它提供了功能强大的图像轮廓提取功能。以下是OpenCV图像轮廓提取的完整攻略。

步骤1：读取图像

首先，你需要导入OpenCV和numpy库，并使用imread函数从文件中读取图像。例如，下面是读取名为“image.jpg”的图像的示例代码：

import cv2
import numpy as np

img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

步骤2：二值化图像

接下来，将图像转换为灰度图像，并使用阈值技术将灰度图像转换为二值图像。这可以通过以下代码实现：

ret, thresh = cv2.threshold(img, 127, 255, 0)

这里将灰度值大于127的像素点设置为255，其他像素点设置为0，得到了二值图像。

步骤3：寻找轮廓

一旦图像被二值化，就可以使用findContours()函数来查找轮廓。该函数有三个输入参数：二值化图像、轮廓检索模式和轮廓近似方法。它返回两个输出，第一个是轮廓本身，第二个是每个轮廓的层次结构。

contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

步骤4：绘制轮廓

最后，我们可以使用drawContours()函数在输入图像上绘制轮廓。这个函数有五个参数：输入图像、轮廓、轮廓索引、颜色、线条厚度。

cv2.drawContours(img, contours, -1, (0, 255, 0), 3)

这里将绘制所有轮廓，并将其绘制为绿色线条。

示例1：检测手写数字图像中的数字

import cv2
import numpy as np

# 读取图像
img = cv2.imread('number.png')

# 将图像转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 对灰度图像进行二值处理
ret, thresh = cv2.threshold(gray, 127, 255, 0)

# 查找轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 绘制数字轮廓
cv2.drawContours(img, contours, -1, (0, 255, 0), 3)

# 显示结果
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

示例2：检测圆形

import cv2
import numpy as np

# 创建一张空白图像
img = np.zeros((512, 512, 3), np.uint8)

# 绘制一个圆形
cv2.circle(img, (256, 256), 100, (255, 255, 255), -1)

# 将图像转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 对灰度图像进行二值处理
ret, thresh = cv2.threshold(gray, 127, 255, 0)

# 查找轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 绘制圆形轮廓
cv2.drawContours(img, contours, -1, (0, 255, 0), 3)

# 显示结果
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

以上是OpenCV图像轮廓提取的完整攻略，可以用于检测图像中的目标物体，检测边缘和形状等。