python+opencv轮廓检测代码解析


            首先大家可以对OpenCV有个初步的了解，可以参考：简单了解OpenCV

轮廓（Contours），指的是有相同颜色或者密度，连接所有连续点的一条曲线。检测轮廓的工作对形状分析和物体检测与识别都非常有用。

在轮廓检测之前，首先要对图片进行二值化或者Canny边缘检测。在OpenCV中，寻找的物体是白色的，而背景必须是黑色的，因此图片预处理时必须保证这一点。





import cv2 

 

#读入图片 

img = cv2.imread("1.png") 

 

# 必须先转化成灰度图 

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 

 

# 二值化 

ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINAEY) 

 

# 寻找轮廓 

contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) 

 

# 画出轮廓，-1,表示所有轮廓，画笔颜色为(0, 255, 0)，即Green，粗细为3 

cv2.drawContours(img, contours, -1, (0, 255, 0), 3) 

 

# 显示图片 

cv2.namedWindow("Contours", cv2.NORMAL_WINDOW) 

cv2.imshow("Contours", img) 

 

# 等待键盘输入 

cv2.waitKey(0) 

cv2.destroyAllWindows() 



总结

本文实例涉及对图片的一些简单处理，比如图片的读取，灰度显示，二值化等，大家可以参考。

以上就是本文关于python+opencv轮廓检测代码解析的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站：

OpenCV-Python实现轮廓检测实例分析

python+opencv实现的简单人脸识别代码示例

如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！