python-opencv2利用cv2.findContours()函数不规则图形
时间: 2023-12-20 09:27:56 浏览: 42
cv2.findContours()函数可以用于查找图像中的轮廓,包括不规则图形。使用该函数需要先将图像进行二值化处理,然后传入二值化后的图像和轮廓查找模式,函数会返回轮廓的列表和层级信息。
下面是一个简单的示例代码:
```
import cv2
# 读取图像并转为灰度图
img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化处理
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 查找轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 绘制轮廓
cv2.drawContours(img, contours, -1, (0, 0, 255), 2)
# 显示结果
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
```
相关问题
python使用opencv2将不规则图形处理为矩形框_python opencv实现旋转矩形框裁减功能...
好的,以下是回答:
使用OpenCV的话,可以使用`cv2.findContours()`函数找到图像中的轮廓,然后使用`cv2.boundingRect()`函数获取轮廓的外接矩形。如果你需要将不规则图形处理为矩形框,可以将所有轮廓的外接矩形合并,并使用`cv2.rectangle()`函数进行绘制。
如果你需要处理旋转的矩形框,可以使用`cv2.minAreaRect()`函数获取轮廓的最小外接矩形,然后使用`cv2.boxPoints()`函数获取矩形的四个顶点坐标,最后使用`cv2.warpAffine()`函数进行裁剪。
以下是代码示例:
```
import cv2
# 读取图像
img = cv2.imread('input.jpg')
# 灰度化
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化
_, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)
# 查找轮廓
contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 合并所有轮廓的外接矩形
rect = cv2.boundingRect(cv2.convexHull(np.concatenate(contours)))
# 绘制矩形框
cv2.rectangle(img, rect, (0, 255, 0), 2)
# 获取最小外接矩形
rect = cv2.minAreaRect(cv2.convexHull(np.concatenate(contours)))
# 获取矩形的四个顶点坐标
box = cv2.boxPoints(rect).astype('int')
# 计算变换矩阵
M = cv2.getAffineTransform(box[:3], np.float32([[0, 0], [rect[1][0], 0], [0, rect[1][1]]]))
# 裁剪图像
crop = cv2.warpAffine(img, M, (int(rect[1][0]), int(rect[1][1])))
# 显示结果
cv2.imshow('img', img)
cv2.imshow('crop', crop)
cv2.waitKey(0)
cv2.destroyAllWindows()
```
希望可以帮到你!
python opencv 不规则多边形面积的计算
可以使用 OpenCV 中的 contourArea 函数来计算不规则多边形的面积。具体步骤如下:
1. 读取图像并转换为灰度图像。
2. 对灰度图像进行二值化处理。
3. 使用 findContours 函数找到轮廓。
4. 使用 contourArea 函数计算轮廓的面积。
以下是示例代码:
```python
import cv2
# 读取图像并转换为灰度图像
img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 对灰度图像进行二值化处理
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 使用 findContours 函数找到轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 使用 contourArea 函数计算轮廓的面积
area = cv2.contourArea(contours[0])
print('面积为:', area)
```