cv2.findContours()

不同取值对应不同轮廓检索模式#xff09;及返回值的详细解析#xff0c;搭配…

OpenCV

不同取值对应不同轮廓检索模式及返回值的详细解析搭配多幅示例图片与丰富代码示例展示不同模式下的效果差异同时展示了

cv2.drawContours()

的用法并通过案例讲解如何利用轮廓绘制功能获取前景对象助力读者全面掌握图像轮廓相关操作要点及应用场景。

如果您觉得我的文章对您有帮助可以点赞收藏关注持续学习更多与OpenCV相关的知识

OpenCV

查找并绘制轮廓cv2.findContours()函数的使用返回值countours的属性参数mode与返回值hierarchy

cv2.drawContours函数的使用利用轮廓绘制功能获取前景对象

查找并绘制轮廓

边缘检测能检测出边缘但是边缘不连续但不是一个整体。

OpenCV提供了cv2.findContours()去查找图像轮廓cv2.drawContours()将轮廓绘制起来。

hierarchy

cv2.findContoursimage原始图像mode轮廓检索模式method轮廓的近似方法

这里有一个补充当OpenCV版本的大于4.x返回值没有image

我通过画图板画了一个例子存储在和代码同一个文件夹下大家可以复制我的图片去作为练习,补充一个重要的前提OpenCV中都是从黑色背景中找白色对象对象是白的背景是黑的图片必须是灰度二值图像对于彩色图像要做好阈值处理

我将这张图片命名为countours.JPG这是我的文件夹我用的是

jupyter

大家用pycharm的就把代码和图片放在同一个文件夹下就可以运行我的代码了

import

cv2.imread(countours.JPG,cv2.IMREAD_GRAYSCALE)

countours

print(type(countours))每一条轮廓的shape与内容都用列表的方法访问

一定要注意

cv2.imread(countours.JPG,cv2.IMREAD_GRAYSCALE)#

先用高斯滤波平滑处理

range(len(countours)):print(countours[i].shape)print(countours[i])通过代码找出来十条轮廓与我们手动标注的数量一致

参数mode与返回值hierarchy

大家用pycharm的就把代码和图片放在同一个文件夹下就可以运行我的代码了

import

cv2.imread(mode.JPG,cv2.IMREAD_GRAYSCALE)#

先用高斯滤波平滑处理

找到了两条轮廓原因是cv2.RETR_EXTERNAL会导致只搜索外轮廓

第二种cv2.RETR_LIST

对于1,2轮廓来说他们是父子关系所以不存在后一个轮廓所以是-1

第四种cv2.RETR_TREE

生成一个等级树为了验证第四个和第三个的区别我重新用画图板画了一张图起名为tree.JPG大家可以复制到自己的文件夹下

import

cv2.imread(tree.JPG,cv2.IMREAD_GRAYSCALE)

先用高斯滤波平滑处理

cv2.drawCountoursimage待处理图像countours需要绘制的轮廓

list类型,countourIdx绘制的边缘索引color绘制的颜色thickness绘制轮廓的粗细lineType画笔类型hierarchy拓普信息maxLevel层次的深度offset偏移参数使得轮廓偏移多少位置

import

cv2.imread(tree.JPG,cv2.IMREAD_GRAYSCALE)

先用高斯滤波平滑处理

np.zeros(img.shape,np.uint8)contourImg.append(temp)contourImg[i]

cv2.drawContours(contourImg[i],countours_tree,i,(255,255,255),5)cv2.imshow(fcontour[

{i}],contourImg[i])

这部分的案例使用pig.JPG图片需要的可以直接复制跟代码放在同一文件夹之下

先讲解一下代码的思路首先转化成灰度值和二值图像然后获取轮廓绘制整个轮廓利用按位与运算与原图像进行按位与运算提取前景对象。

import

cv2.cvtColor(bgr_img,cv2.COLOR_BGR2GRAY)

先用高斯滤波平滑处理

np.zeros(bgr_img.shape,np.uint8)

mask

cv2.drawContours(mask,countours_tree,-1,(255,255,255),-1)

loc

本文参考了一些博主的文章博取了他们的长处也结合了我的一些经验对他们表达诚挚的感谢使我对

图像轮廓查找与绘制

有更深入的了解也推荐大家去阅读一下他们的文章。

纸上学来终觉浅明知此事要躬行