目录

一 涉及的OpenCV函数

二 代码

三 效果图

---

一 涉及的OpenCV函数

contours, hierarchy = cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]])  

• image：源图像。
• mode：轮廓的检索方式。cv2.RETR_EXTERNAL（只检测外轮廓）、cv2.RETR_LIST（检测的轮廓不建立等级关系）、cv2.RETR_CCOMP（建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息）、cv2.RETR_TREE（建立一个等级树结构的轮廓）。
• method：一般用 cv2.CHAIN_APPROX_SIMPLE，表示用尽可能少的像素点表示轮廓。cv2.CHAIN_APPROX_NONE存储所有的轮廓点，相邻的两个点的像素位置差不超过1。
• contours：图像轮廓坐标。list中每个元素都是图像中的一个轮廓，用numpy中的ndarray表示。
• hierarchy：返回值，包含有关图像轮廓的拓扑信息。[Next, Previous, First Child, Parent]。

二 代码

import cv2
import matplotlib.pyplot as plt
def dealImg(img):b, g, r = cv2.split(img)img_rgb = cv2.merge([r, g, b])return img_rgb
def dealImageResult(img_path):img = cv2.imread(img_path)img_copy = img.copy()gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# OTSU方法实现前景与背景分割ret2, dst_OTSU = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)contours, hierarchy = cv2.findContours(dst_OTSU, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)contourPic = cv2.drawContours(img_copy, contours, -1, (0, 255, 0), 3)fig = plt.figure(figsize=(8, 8))titles = ["img", "gray", "OTSU", "contourPic"]img = dealImg(img)contourPic = dealImg(contourPic)images = [img, gray, dst_OTSU, contourPic]for i in range(4):plt.subplot(2, 2, i + 1), plt.imshow(images[i], 'gray')plt.title(titles[i])plt.xticks([]), plt.yticks([])plt.show()fig.savefig('test_results.jpg', bbox_inches='tight')
if __name__ == '__main__':dealImageResult("1.png")pass

三 效果图

前文回顾

 入门篇目录

 数字图像处理（入门篇）一 图像的数字化与表示

 数字图像处理（入门篇）二 颜色空间

 数字图像处理（入门篇）三 灰度化

 数字图像处理（入门篇）四 像素关系

 数字图像处理（入门篇）五 图像数据预处理之颜色空间转换

 数字图像处理（入门篇）六 图像数据预处理之坐标变化

 数字图像处理（入门篇）七 图像数据预处理之灰度变化

 数字图像处理（入门篇）八 图像数据预处理之直方图

 数字图像处理（入门篇）九 图像数据预处理之滤波

 数字图像处理（入门篇）十 边缘检测

 数字图像处理（入门篇）十一 形态学处理

 数字图像处理（入门篇）十二 自适应阈值分割

 数字图像处理（入门篇）十三 仿射变换

 数字图像处理（入门篇）十四 透视变换

实践篇目录

数字图像处理（实践篇）一 将图像中的指定目标用bBox框起来吧！