怎么在Python中使用OpenCV標記圖像區域輪廓

這期內容當中小編將會給大家帶來有關怎么在Python中使用OpenCV標記圖像區域輪廓，文章內容豐富且以專業的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。

圖片基本處理

import cv2 as cv

src = cv.imread("./demo.jpg")

gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
# cv.imshow("src", src)

gray = cv.GaussianBlur(gray, (5, 5), 0)
edges = cv.Canny(gray, 70, 210)

cv.imshow("edged", edges)

輪廓檢測

下面就是檢測圖像輪廓具體位置的代碼了：

contours, hierarchy = cv.findContours(edges.copy(), cv.RETR_LIST, cv.CHAIN_APPROX_SIMPLE)
print(f"輪廓數量：{len(contours)}")

在 cv.findContours(edges, cv.RETR_LIST, cv.CHAIN_APPROX_SIMPLE) 中，第二個參數使用的是 cv.RETR_LIST，該參數值表示檢測所有輪廓，不建立等級關系，彼此獨立。如果只想獲取輪廓邊緣信息,不關心是否嵌套在另一個輪廓之內，使用該參數值即可。

第三個參數使用的是 cv.CHAIN_APPROX_SIMPLE，表示壓縮水平方向，垂直方向，對角線方向的元素，只保留該方向的終點坐標，例如一個矩形輪廓只需 4 個點來保存輪廓信息，這也是為了后面便于計算。

觀察上圖，可以發現最外側的邊緣面積是最大的，所以依據面積進行排序，依據其他值也可以，獲取面積最大的輪廓。

contours = sorted(contours, key = cv.contourArea, reverse = True)[:3]

對輪廓進行簡單繪制，獲得下圖效果。

cv.drawContours(src,contours,-1,(0,0,255),2)

遍歷輪廓，計算輪廓近似

先看代碼：

# 遍歷輪廓
for c in contours:
	# 計算輪廓近似
	peri = cv.arcLength(c, True)
	approx = cv.approxPolyDP(c, 0.02 * peri, True)

一個新的函數 cv.arcLength，該函數的原型如下：

retval = cv2.arcLength(curve, closed)

該函數用于計算輪廓的周長。

下面的 cv.approxPolyDP 函數原型如下：

approxCurve = cv2.approxPolyDP(curve, epsilon, closed[, approxCurve])

函數參數如下：

• curve：源圖像的某個輪廓；

• epsilon：距離值，表示多邊形的輪廓接近實際輪廓的程度，值越小，越精確；

• closed：輪廓是否閉合。

最重要的參數就是 epsilon 簡單記憶為：該值越小，得到的多邊形角點越多，輪廓越接近實際輪廓，該參數是一個準確度參數。

該函數返回值為輪廓近似多邊形的角點。

繪制輪廓

最后判斷，當上文返回的角點為 4 的時候，提取輪廓，代碼如下：

# 遍歷輪廓
for c in contours:
	# 計算輪廓近似
	peri = cv.arcLength(c, True)
	approx = cv.approxPolyDP(c, 0.02 * peri, True)

	# 當恰好是 4 個角點的時候，獲取輪廓。
	if len(approx) == 4:
		screen_cnt = approx
		break

# 結果顯示
cv.drawContours(src, [screen_cnt], -1, (0, 0, 255), 2)

更換圖片，進行再次輪廓檢測，注意修改輪廓近似部分代碼即可。

# 遍歷輪廓
for c in contours:
  # 計算輪廓近似

  approx = cv.approxPolyDP(c, 30, True)

  if len(approx) == 4:
    screen_cnt = approx
    break

上述就是小編為大家分享的怎么在Python中使用OpenCV標記圖像區域輪廓了，如果剛好有類似的疑惑，不妨參照上述分析進行理解。如果想知道更多相關知識，歡迎關注億速云行業資訊頻道。