opencv-python常用函数解析及参数介绍（八）——轮廓与轮廓特征

已于 2023-01-03 12:10:45 修改
阅读量1.2k 收藏 10
点赞数 2
分类专栏： 笔记 玩转计算机视觉 文章标签： opencv python 计算机视觉
于 2023-01-02 21:18:22 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/DuLNode/article/details/128523814
版权

轮廓与轮廓特征

前言

在前面的文章中我们已经学会了使用膨胀与腐蚀、使用梯度、使用边缘检测的方式获得图像的轮廓，那么在获得轮廓后我们可以对图像进行什么样的操作呢？本文将介绍轮廓的绘制与轮廓特征的使用以及轮廓近似的应用效果

1.获取轮廓

假设我们现在有这样一张名为feng.jpg的图片
在这里插入图片描述

同样为了表述方便，我们要先定义一个图像显示函数

def cv_show(img,name):
    cv2.imshow(name
了解本专栏 订阅专栏 解锁全文 超级会员免费看
Python图像处理：使用OpenCV提取图像轮廓
WzisTypescript的博客
09-23 916
图像轮廓是图像处理中常用的技术，用于检测和描述图像中物体的边界。在Python中，我们可以使用OpenCV库进行图像处理，并通过它的轮廓函数来提取图像的边界。本文将介绍如何使用Python和OpenCV来提取图像的轮廓，并附上相应的源代码。第一个参数是要绘制轮廓的图像，第二个参数是轮廓列表，第三个参数是要绘制的轮廓索引（-1表示绘制所有轮廓），第四个参数是轮廓线的颜色，第五个参数是轮廓线的粗细。第一个参数是输入图像，第二个参数是轮廓检索模式，指定轮廓的检索方式。函数来提取图像的轮廓。
python图像条状状噪声_python-opencv在有噪音的情况下提取图像的轮廓实例
weixin_39870155的博客
12-03 520
对于一般的图像提取轮廓，介绍了一个很好的方法，但是对于有噪声的图像，并不能很好地捕获到目标物体。比如对于我的鼠标，提取的轮廓效果并不好，因为噪声很多：所以本文增加了去掉噪声的部分。首先加载原始图像，并显示图像img = cv2.imread("temp.jpg") #载入图像h, w = img.shape[:2] #获取图像的高和宽cv2.imshow("Origin", img...
OpenCV--图像轮廓检测
最新发布
2201_75491841的博客
04-07 1186
轮廓检测旨在寻找并提取图像中物体的边界，以一系列相连的点表示物体的轮廓。相较于边缘检测侧重于检测像素值的急剧变化，轮廓检测更关注物体的整体形状，通常作用于二值图像。通过将图像转换为二值图，凸显前景和背景的差异，为轮廓提取创造条件。在实际应用中，轮廓检测广泛应用于工业检测、安防监控、医学图像处理等领域。
python-opencv在有噪音的情况下提取图像的轮廓实例
09-21
下面小编就为大家带来一篇python-opencv在有噪音的情况下提取图像的轮廓实例。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧
python+opencv基础篇——实现提取轮廓
qq_35253875的博客
01-04 1903
python+opencv简单实现识别图片轮廓
【OpenCV-Python】：使用OpenCV处理图像并提取轮廓及其矩和面积
weixin_45477686的博客
03-28 5155
学会如何使用OpenCV库来读取图像、转换灰度、二值化、提取轮廓，并计算每个轮廓的矩和面积。
python opencv轮廓提取,如何在opencv 2.4.11 python中调整轮廓的大小？ （目标：对象提取）...
weixin_42515336的博客
03-01 205
I'm super new to opencv, so pardon my ignorance...Basically: I have an object of interest in my image. I would like to extract it.My problems arise from downscaling the original image in order to faci...
OpenCV轮廓提取
luomaojiang的专栏
02-24 4831
在OpenCV中，一个轮廓一般对应一系列的点，也就是图像中的一条曲线，表示方法可能根据不同的情况有所不同，在OpenCV中，一般用序列来存储轮廓信息，序列中的每一个元素是曲线中一个点的位置。虽然Canny之类的边缘检测算法可以根据像素间的差异检测出轮廓边界的像素，但是它并没有将轮廓作为一个整体. 轮廓查找    CVAPI(int) cvFindContours( CvArr* imag
OpenCV 轮廓提取
IT新秀
04-10 1439
轮廓提取——主要针对二值图像 轮廓分为外轮廓和内轮廓 如下图：外轮廓以c开头 内轮廓以h开头 opencv 提供了寻找轮廓的函数 inttotals = cvFindContours(img, storage,&contours,sizeof(CvContour), CV_RETR_LIST, CV_CHAIN_APPROX_NONE,cvPoint(0,0)); 其中img
Python OpenCV提取物体轮廓
qq_52112285的博客
06-24 1024
【代码】Python OpenCV提取物体轮廓。
Python-Opencv 形态学+算子实现轮廓提取
weixin_43909400的博客
04-02 6151
基于Python-Opencv，使用图像形态学和算子处理实现事项轮廓处理
opencv轮廓提取
10-26
利用opencv实现的轮廓提取算法，简单实用
Opencv 轮廓提取
07-01
基于opencv 大津法二值化 轮廓提取 简单案例
python opencv轮廓提取_python-opencv在有噪音的情况下提取图像的轮廓
weixin_39783149的博客
12-04 356
对于一般的图像提取轮廓，这篇博文介绍了一个很好的方法，但是对于有噪声的图像，并不能很好地捕获到目标物体。比如对于我的鼠标，提取的轮廓效果并不好，因为噪声很多：所以本文增加了去掉噪声的部分。首先加载原始图像，并显示图像1 img = cv2.imread("temp.jpg") #载入图像2 h, w = img.shape[:2] ...
Python使用opencv轮廓提取的实现和优化【一】简单实现
FarryNiu的博客
07-05 1217
python使用opencv提取图像轮廓的简单实现
python+opencv获取图像中图形的轮廓
weixin_46362883的博客
08-27 5320
新手入门，大佬球放过。 话不多直接上代码！！ opencv中获取图形的轮廓： 1.首先要进行灰度图转换： 功能：函数cvtColor实现色彩空间转换。个人理解的意义转换为灰度图提高运行效率； 2.然后将图片二值化 函数原型：ret, thresh = cv.threshold(src,thresh, maxval, type) 参数1：src——输入图像 参数2：thresh——阈值 参数3：maxval——由参数4决定 参数4：type——阈值处理模式选择 阈值处理模..
python cv2 源轮廓、近似轮廓、凸包、直边外接矩形、最小外接矩形、拟合直线
11-08 3873
记录一些可能有用的图像处理方法，包括源轮廓、近似轮廓、凸包、直边外接矩形、最小外接矩形、拟合直线。 上述操作都是基于图像灰度图： import cv2 import numpy as np img = cv2.imread('./test.png') imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ret, thresh = cv2.thre...
opencv物体轮廓提取和检测-python
weixin_44119239的博客
12-08 2378
使用opencv进行物体轮廓的提取和检测
YOLOv8,opencv-python指针式仪表读数自动检测
03-20
### 使用 YOLOv8 和 OpenCV-Python 实现指针式仪表读数的自动化检测与识别 #### 方法概述 为了实现指针式仪表读数的自动化检测与识别，可以通过以下方式结合 YOLOv8 和 OpenCV-Python 完成任务。YOLOv8 是一种高效的实时目标检测框架，能够快速定位表盘及其关键部件（如零刻度线和结束刻度线）。OpenCV 则用于后续的图像处理操作，例如霍夫变换、边缘检测以及角度计算。 --- #### 数据准备阶段 在实际应用前，需构建一个高质量的数据集来训练 YOLOv8 模型。该数据集中应包含大量带有标注框的指针式仪表图片，标注内容至少包括表盘区域、零刻度线和结束刻度线的位置[^1]。 --- #### 训练 YOLOv8 模型 使用 Ultralytics 提供的官方工具链安装 YOLOv8 并训练模型： ```bash pip install ultralytics ``` 加载预定义配置文件并调整超参数以适应特定场景需求。以下是简单的训练脚本示例： ```python from ultralytics import YOLO # 加载预训练权重或自定义初始化 model = YOLO('yolov8n.pt') # 开始训练过程 results = model.train( data='path/to/your/data.yaml', # 数据集路径 epochs=100, # 迭代次数 batch=16 # 批量大小 ) ``` 通过上述代码可获得经过优化的目标检测器，专门用于检测指针式仪表的关键部分[^2]。 --- #### 图像预处理与特征提取 当部署到生产环境时，先利用已训练好的 YOLOv8 对输入图像执行推理操作，获取感兴趣区域 (ROI)，即表盘范围内的子图。随后借助 OpenCV 库进一步细化这些候选区间的细节特性。 ```python import cv2 import numpy as np def preprocess_image(image_path): image = cv2.imread(image_path) # 转灰度图以便减少颜色干扰 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 高斯模糊去除噪声 blurred = cv2.GaussianBlur(gray, (9, 9), 0) return blurred def detect_circles_and_lines(blurred_image): circles = cv2.HoughCircles( blurred_image, method=cv2.HOUGH_GRADIENT, dp=1.2, minDist=blurred_image.shape[0]/8, param1=50, param2=30, minRadius=10, maxRadius=100 ) edges = cv2.Canny(blurred_image, threshold1=50, threshold2=150) lines = cv2.HoughLinesP(edges, rho=1, theta=np.pi / 180, threshold=50, minLineLength=50, maxLineGap=10) return circles, lines ``` 以上函数分别实现了基本的图像去噪和平滑化处理，同时还完成了圆形轮廓搜索及直线段探测工作流程。 --- #### 数字解析逻辑设计 最后一步便是依据几何关系推导最终数值结果。假设我们已经成功找到了中心坐标 `(cx,cy)` 及半径 `r` 的圆弧轨迹；同时也捕捉到了指向当前测量值方向的一条射线起点终点分别为 `(px1,py1),(px2,py2)` 。那么就可以按照如下公式求解对应的角度θ: \[ \theta=\arctan \left( \frac{p_{y_2}-c_y}{p_{x_2}-c_x} \right)-\arctan \left(\frac{o_{y}-c_y}{o_{x}-c_x}\right ) \] 其中 \( o_x,o_y\) 表达的是起始参考位点座标位置信息。再乘上每单位角度代表的实际物理意义即可得出精确显示值。 --- #### PyQt 显示界面集成 为了让整个系统更加友好易用，在最后一环还可以加入图形用户接口(GUI)展示功能模块。这里推荐采用 Python 中流行的跨平台开发库——PyQt 来搭建简易窗口程序结构。 ```python from PyQt5.QtWidgets import QApplication, QLabel, QVBoxLayout, QWidget from PyQt5.QtGui import QPixmap class MainWindow(QWidget): def __init__(self): super().__init__() layout = QVBoxLayout() label = QLabel(self) pixmap = QPixmap('output_result.png') label.setPixmap(pixmap) self.resize(pixmap.width(), pixmap.height()) layout.addWidget(label) self.setLayout(layout) if __name__ == '__main__': app = QApplication([]) window = MainWindow() window.show() app.exec_() ``` 这样就能把处理后的成果直观呈现给使用者查看确认了。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

艾醒(AiXing-w)

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值