OpenCV 入门教程：寻找和绘制轮廓

小蓝枣

发布于 2023-07-10 08:10:34

63900

代码可运行

文章被收录于专栏：CSDN博客专家-小蓝枣的博客CSDN博客专家-小蓝枣的博客

运行总次数：0

代码可运行

OpenCV 入门教程：寻找和绘制轮廓

导语

寻找和绘制轮廓是图像处理中常用的技术之一，用于识别、定位和分析图像中的目标区域。在 OpenCV 中，寻找和绘制轮廓可以通过边缘检测和形态学操作实现。本文将以寻找和绘制轮廓为中心，为你介绍使用 OpenCV 进行轮廓处理的基本步骤和实例。

😃😄 ❤️ ❤️ ❤️

一、寻找轮廓

寻找轮廓是通过边缘检测和形态学操作，将图像中的目标区域边界提取出来。以下是一个使用寻找轮廓的示例代码：

import cv2

# 读取图像文件
image = cv2.imread('image.jpg')

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

# 进行边缘检测
edges = cv2.Canny(gray_image, 100, 200)

# 寻找轮廓
contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

在上述示例中，我们首先将彩色图像转换为灰度图像，然后使用 Canny 函数进行边缘检测。接下来，使用 findContours 函数寻找图像中的轮廓。 RETR_EXTERNAL 参数表示只检测外部轮廓， CHAIN_APPROX_SIMPLE 参数表示简化轮廓的表示方式。

二、绘制轮廓

绘制轮廓是通过将寻找到的轮廓绘制在图像上，用于可视化和分析。以下是一个使用绘制轮廓的示例代码：

import cv2

# 读取图像文件
image = cv2.imread('image.jpg')

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

# 进行边缘检测
edges = cv2.Canny(gray_image, 100, 200)

# 寻找轮廓
contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 绘制轮廓
cv2.drawContours(image, contours, -1, (0, 255, 0), 2)

在上述示例中，我们在原始图像上使用 drawContours 函数绘制寻找到的轮廓。 contours 参数是轮廓列表， -1 参数表示绘制所有轮廓， (0, 255, 0) 参数表示绘制轮廓的颜色， 2 参数表示绘制轮廓的线宽。

三、示例应用

现在，我们来看一些常见的示例应用，演示寻找和绘制轮廓的操作：

3.1 目标检测和定位

使用寻找和绘制轮廓可以实现目标检测和定位。以下是一个示例代码：

import cv2

# 读取图像文件
image = cv2.imread('image.jpg')

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

# 进行边缘检测
edges = cv2.Canny(gray_image, 100, 200)

# 寻找轮廓
contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 绘制轮廓
cv2.drawContours(image, contours, -1, (0, 255, 0), 2)

这个示例将加载名为" image.jpg "的图像文件，并通过边缘检测和轮廓绘制实现目标检测和定位。

展示：

3.2 图像分割

寻找和绘制轮廓还可以用于图像分割，将图像中的目标区域提取出来。以下是一个示例代码：

import cv2

# 读取图像文件
image = cv2.imread('image.jpg')

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

# 进行边缘检测
edges = cv2.Canny(gray_image, 100, 200)

# 寻找轮廓
contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 绘制轮廓
cv2.drawContours(image, contours, -1, (0, 255, 0), 2)

# 提取目标区域
segmented_image = cv2.bitwise_and(image, image, mask=edges)