python opencv实现目标外接图形

下面是详细的"Python OpenCV实现目标外接图形"攻略。

1. 安装OpenCV库

在终端中输入以下命令安装OpenCV：

pip install opencv-python

2. 导入OpenCV模块

import cv2
import numpy as np

3. 加载图像

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

4. 对图像进行预处理

在进行目标检测之前，需要对图像进行预处理，例如灰度化、滤波等操作。以下代码展示了如何将图像灰度化。

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

5. 创建目标外接图形

使用OpenCV的findContours()函数查找兴趣区域的轮廓。然后，使用approxPolyDP()函数查找轮廓近似的多边形，并将其与原始图像进行比较。最后，可以使用drawContours()函数在图像上绘制目标外接图形。以下是示例代码：

# 找到轮廓
contours, hierarchy = cv2.findContours(gray, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 获取轮廓中的目标形状并绘制外接图形
for contour in contours:
    peri = cv2.arcLength(contour, True)
    approx = cv2.approxPolyDP(contour, 0.02 * peri, True)
    cv2.drawContours(img, [approx], -1, (0, 255, 0), 2)

在上述代码中，使用approxPolyDP()函数以2％周长的精度计算轮廓的近似多边形。将绘制出的轮廓与原始图像一起保存可能看起来像以下内容：

cv2.imwrite('output.jpg', img)

示例1：检测并绘制矩形框

以下是如何检测并绘制矩形框的示例。假设我们要检测并框选出图像中的红色矩形。

img = cv2.imread('image.jpg')
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

lower_red = np.array([0, 50, 50])
upper_red = np.array([10, 255, 255])
mask1 = cv2.inRange(hsv, lower_red, upper_red)

lower_red = np.array([170, 50, 50])
upper_red = np.array([180, 255, 255])
mask2 = cv2.inRange(hsv, lower_red, upper_red)

mask = mask1 + mask2

# 膨胀操作
kernel = np.ones((5, 5), np.uint8)
dilation = cv2.dilate(mask, kernel, iterations=1)

# 找到目标轮廓
contours, hierarchy = cv2.findContours(dilation, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for contour in contours:
    x, y, w, h = cv2.boundingRect(contour)
    if w * h > 100:
        cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)

cv2.imwrite('output.jpg', img)

示例2：检测并绘制圆形

以下是如何检测并绘制圆形的示例。我们要检测并框选出图像中的红色圆形。

img = cv2.imread('image.jpg')
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

lower_red = np.array([0, 50, 50])
upper_red = np.array([10, 255, 255])
mask1 = cv2.inRange(hsv, lower_red, upper_red)

lower_red = np.array([170, 50, 50])
upper_red = np.array([180, 255, 255])
mask2 = cv2.inRange(hsv, lower_red, upper_red)

mask = mask1 + mask2

# 膨胀操作
kernel = np.ones((5, 5), np.uint8)
dilation = cv2.dilate(mask, kernel, iterations=1)

# 查找检测到的圆形
circles = cv2.HoughCircles(dilation, cv2.HOUGH_GRADIENT, 1, 50, param1=100, param2=30, minRadius=0, maxRadius=0)
if circles is not None:
    circles = np.round(circles[0, :]).astype("int")
    for (x, y, r) in circles:
        cv2.circle(img, (x, y), r, (0, 255, 0), 2)

cv2.imwrite('output.jpg', img)

这两个示例演示了如何使用OpenCV实现检测和绘制目标外接图形的功能。当然，这只是OpenCV提供的功能之一，您还可以自己制定算法进行目标外接图形的处理。