怎么在python中使用opencv查找圖像中的最大的輪廓

本篇文章給大家分享的是有關怎么在python中使用opencv查找圖像中的最大的輪廓，小編覺得挺實用的，因此分享給大家學習，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

具體如下：

import cv2
import numpy as np
from PIL import Image
 
from joblib import Parallel
from joblib import delayed
# Parallel 和 delayed是為了使用多線程處理
# 使用前需要安裝joblib：pip install joblib
 
# img_stack的shape為：num, h, w
# 是三維的圖像，可以理解為是num張二維的圖像組成
# mask是用來保存最后的結果的
mask = np.ones_like(img_stack)
for i in range(num):
  # 閾值化
  _, binaryzation = cv2.threshold(img_stack[i], 5, 255, cv2.THRESH_BINARY_INV)
  # 找到所有的輪廓
  contours, _ = cv2.findContours(binaryzation, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
  area = []
  # 找到最大的輪廓
  for k in range(len(contours)):
    area.append(cv2.contourArea(contours[k]))
  max_idx = np.argmax(np.array(area))
  # cv2.fillContexPoly(mask[i], contours[max_idx], 0)
  # 填充最大的輪廓
  cv2.drawContours(mask[i], contours, max_idx, 0, cv2.FILLED)
  del area 
 
 
# 保存
def _write_mask(mask, i):
  Image.fromarray(mask.astype(np.uint8)*255).save(os.path.join(path, 'm%d.png' % i))
 
# 使用多線程進行保存
num_cores = 10
parallel = Parallel(n_jobs=num_cores, backend='threading')
parallel(delayed(_write_mask)(mask[i, :, :], i) for i in range(0, num))

之前偷懶直接將項目里面的代碼段扣下來放在這里，誤導了大家，抱歉

這次我重新放一個完整版本，希望對大家有所幫助~~

代碼在python 3.7.6 和opencv-python 4.3.0下測試成功

import cv2
import numpy as np
 
# 以灰度方式讀取圖像
img = cv2.imread('img.png', cv2.IMREAD_GRAYSCALE)
mask = img.copy()
 
# 二值化，100為閾值，小于100的變為255，大于100的變為0
# 也可以根據自己的要求，改變參數：
# cv2.THRESH_BINARY
# cv2.THRESH_BINARY_INV
# cv2.THRESH_TRUNC
# cv2.THRESH_TOZERO_INV
# cv2.THRESH_TOZERO
_, binaryzation = cv2.threshold(img, 100, 255, cv2.THRESH_BINARY_INV)
 
# 找到所有的輪廓
contours, _ = cv2.findContours(binaryzation, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
 
area = []
 
# 找到最大的輪廓
for k in range(len(contours)):
	area.append(cv2.contourArea(contours[k]))
max_idx = np.argmax(np.array(area))
 
# 填充最大的輪廓
mask = cv2.drawContours(mask, contours, max_idx, 0, cv2.FILLED)
 
# 保存填充后的圖像
cv2.imwrite('masked.png', mask)

以上就是怎么在python中使用opencv查找圖像中的最大的輪廓，小編相信有部分知識點可能是我們日常工作會見到或用到的。希望你能通過這篇文章學到更多知識。更多詳情敬請關注億速云行業資訊頻道。