@Author：Runsen
輪廓是連接所有具有某種顏色或強度的連續點的閉合曲線，它們代表影像中發現的物件的形狀，輪廓檢測是一種用于形狀分析和物體檢測和識別的有用技術，
輪廓檢測并不是影像分割的唯一演算法，還有很多其他演算法，例如當前最先進的語意分割、霍夫變換和K-Means 分割，
為了獲得更好的準確性，以下是檢測影像中輪廓的整個流程：
- 將影像轉換為二值影像，通常的做法是將輸入影像變為二值影像（應該是閾值影像或邊緣檢測的結果），
- 使用findContours() OpenCV函式查找輪廓，
- 繪制這些輪廓并顯示影像，
import cv2
import matplotlib.pyplot as plt
在這里，選擇的圖片如下所示，
`
image = cv2.imread("image.jpg")
將其轉換為RGB，然后灰度：
# convert to RGB
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
# convert to grayscale
gray = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)
plt.imshow(gray, cmap="gray")
plt.show()
下一步，我們需要創建一個二值影像，這意味著影像的每個像素都是黑色或白色，這在OpenCV 中是必要的，找輪廓就像從黑色背景中找白色物體，要找的物體應該是白色的，背景應該是黑色的，
_, binary = cv2.threshold(gray, 225, 255, cv2.THRESH_BINARY_INV)
函式為cv2.threshold()這個函式有四個引數，第一個原影像，第二個進行分類的閾值，第三個是高于（低于）閾值時賦予的新值，第四個是一個方法選擇引數，常用的有：
- cv2.THRESH_BINARY（黑白二值）
- cv2.THRESH_BINARY_INV（黑白二值反轉）
- cv2.THRESH_TRUNC （得到的影像為多像素值）
- cv2.THRESH_TOZERO
- cv2.THRESH_TOZERO_INV
上面的代碼建立通過設定為二進制影像0，其具有小于一值的像素225和接通（設定為255），其具有大于一個值的像素225，這里是輸出影像：
現在這對于OpenCV來說很容易檢測輪廓：
# 從閾值影像中提取的輪廓
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 繪制所有輪廓 第三個引數定繪制輪廓list中的哪條輪廓，如果是-1，則繪制其中的所有輪廓
image = cv2.drawContours(image, contours, -1, (0, 255, 0), 2)
上面的代碼在二值影像中找到輪廓，并用粗綠線將它們繪制到影像上，讓我們展示一下：
plt.imshow(image)
plt.show()
在 OpenCV檢測影像中的輪廓關鍵是閾值的確定，在一般的計算機視覺中中設定為255 // 2,，
下面使用cv2.VideoCapture的方法呼叫攝像頭，檢測影像中的輪廓，
import cv2
cap = cv2.VideoCapture(0)
while True:
_, frame = cap.read()
# 灰度
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 閾值
_, binary = cv2.threshold(gray, 255 // 2, 255, cv2.THRESH_BINARY_INV)
# 提取的輪廓
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 畫輪廓
image = cv2.drawContours(frame, contours, -1, (0, 255, 0), 2)
# 展示
cv2.imshow("gray", gray)
cv2.imshow("image", image)
cv2.imshow("binary", binary)
if cv2.waitKey(1) == ord("q"):
break
cap.release()
cv2.destroyAllWindows()
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/286303.html
標籤：其他
上一篇：【計算機組成原理】運算器組成實驗
下一篇：每日一題----空瓶子喝可樂問題