首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

有没有办法在opencv python中获得两个独立轮廓的边界矩形的4个坐标点?

在OpenCV Python中,可以通过以下步骤获得两个独立轮廓的边界矩形的4个坐标点:

  1. 导入必要的库和模块:
代码语言:txt
复制
import cv2
import numpy as np
  1. 读取图像并进行预处理:
代码语言:txt
复制
image = cv2.imread('image.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
  1. 进行边缘检测:
代码语言:txt
复制
edges = cv2.Canny(gray, 50, 150)
  1. 查找轮廓:
代码语言:txt
复制
contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
  1. 筛选出两个独立的轮廓:
代码语言:txt
复制
contour1 = max(contours, key=cv2.contourArea)
contours.remove(contour1)
contour2 = max(contours, key=cv2.contourArea)
  1. 计算边界矩形的坐标点:
代码语言:txt
复制
x1, y1, w1, h1 = cv2.boundingRect(contour1)
x2, y2, w2, h2 = cv2.boundingRect(contour2)

# 计算四个坐标点
point1 = (x1, y1)
point2 = (x1 + w1, y1)
point3 = (x1 + w1, y1 + h1)
point4 = (x1, y1 + h1)

point5 = (x2, y2)
point6 = (x2 + w2, y2)
point7 = (x2 + w2, y2 + h2)
point8 = (x2, y2 + h2)

最终,point1、point2、point3、point4表示第一个轮廓的边界矩形的四个坐标点,point5、point6、point7、point8表示第二个轮廓的边界矩形的四个坐标点。

这种方法可以用于在OpenCV Python中获取两个独立轮廓的边界矩形的4个坐标点。对于更多关于OpenCV的信息和使用方法,您可以参考腾讯云的OpenCV产品文档:OpenCV产品介绍

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

  • opencv+Recorder︱OpenCV 中的 Canny 边界检测+轮廓、拉普拉斯变换

    图像边缘检测能够大幅减少数据量,在保留重要的结构属性的同时,剔除弱相关信息。 在深度学习出现之前,传统的Sobel滤波器,Canny检测器具有广泛的应用,但是这些检测器只考虑到局部的急剧变化,特别是颜色、亮度等的急剧变化,通过这些特征来找边缘。 这些特征很难模拟较为复杂的场景,如伯克利的分割数据集(Berkeley segmentation Dataset),仅通过亮度、颜色变化并不足以把边缘检测做好。2013年,开始有人使用数据驱动的方法来学习怎样联合颜色、亮度、梯度这些特征来做边缘检测。 为了更好地评测边缘检测算法,伯克利研究组建立了一个国际公认的评测集,叫做Berkeley Segmentation Benchmark。从图中的结果可以看出,即使可以学习颜色、亮度、梯度等low-level特征,但是在特殊场景下,仅凭这样的特征很难做到鲁棒的检测。比如上图的动物图像,我们需要用一些high-level 比如 object-level的信息才能够把中间的细节纹理去掉,使其更加符合人的认知过程(举个形象的例子,就好像画家在画这个物体的时候,更倾向于只画外面这些轮廓,而把里面的细节给忽略掉)。 .

    05
    领券