cv2.countNonZero（）函数的使用方法，举个例子

cv2.countNonZero()函数用于计算二值图像中非零元素的数量。

举个例子：

import cv2

# 读取图像
img = cv2.imread('image.jpg', 0)

# 二值化图像
ret, thresh = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)

# 计算非零元素的数量
non_zero_pixels = cv2.countNonZero(thresh)

print('非零像素的数量：', non_zero_pixels)

在这个例子中，我们首先读取一张灰度图像，并对其进行二值化处理。然后使用cv2.countNonZero()函数计算二值图像中非零元素的数量，并输出结果。

相关问题

cv2.morphologyEx（）函数的使用方法，举个例子

cv2.morphologyEx（）函数是OpenCV中用于执行形态学操作的函数之一。该函数可以对二进制图像进行膨胀、腐蚀、开运算、闭运算等形态学操作。

以下是一个使用cv2.morphologyEx（）函数进行膨胀操作的例子：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.jpg', 0)

# 定义结构元素
kernel = np.ones((5, 5), np.uint8)

# 膨胀操作
dilation = cv2.morphologyEx(img, cv2.MORPH_DILATE, kernel)

# 显示原图和膨胀后的图像
cv2.imshow('Original Image', img)
cv2.imshow('Dilation Image', dilation)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，我们首先使用cv2.imread（）函数读取了一张灰度图像。然后，我们定义了一个大小为（5,5）的矩形结构元素。接下来，我们使用cv2.morphologyEx（）函数执行膨胀操作，将膨胀后的图像保存在变量dilation中。最后，我们使用cv2.imshow（）函数显示原图和膨胀后的图像。

import cv2 import time # 设置检测区域 region_of_interest = (0, 0, 100, 200) # 左上角位置和矩形宽高 # 延迟 daley = 1.5 def detect_colors(frame, region): # 转换颜色空间为HSV hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) # # 设定红色的阈值范围 # lower_red = (0, 100, 100) # upper_red = (10, 255, 255) # 设定绿色的阈值范围 lower_while=(200,100,100) upper_while=(255,255,255) # 设定蓝色的阈值范围 lower_blue = (100, 100, 100) upper_blue = (130, 255, 255) # 提取感兴趣区域 roi = hsv[region[1]:region[1]+region[3], region[0]:region[0]+region[2]] # 对图像进行颜色过滤 # mask_red = cv2.inRange(roi, lower_red, upper_red) mask_green = cv2.inRange(roi, lower_while, upper_while) mask_blue = cv2.inRange(roi, lower_blue, upper_blue) # 检测红色并打印颜色信息 # if cv2.countNonZero(mask_red) > 0: # print("检测到红色") # time.sleep(daley) # return frame # 检测绿色并打印颜色信息 if cv2.countNonZero(mask_green) > 0: print("检测到绿色") time.sleep(daley) return frame # 检测蓝色并打印颜色信息 if cv2.countNonZero(mask_blue) > 0: print("检测到蓝色") time.sleep(daley) return frame return frame # 打开摄像头 cap = cv2.VideoCapture(0) while True: # 读取帧 ret, frame = cap.read() if ret: # 检测颜色并显示结果 result = detect_colors(frame, region_of_interest) cv2.imshow('Color Detection', result) # 按下ESC键退出循环 if cv2.waitKey(1) == 27: break # 释放摄像头和关闭窗口 cap.release() cv2.destroyAllWindows()

这段代码是一个简单的颜色检测程序，使用OpenCV来检测摄像头捕获的视频帧中的绿色和蓝色区域。

在代码中，您定义了一个名为`detect_colors`的函数，它接受一个视频帧和一个感兴趣区域作为输入。函数首先将帧转换为HSV颜色空间，然后设定了绿色和蓝色的阈值范围。接下来，函数提取感兴趣区域，并使用`cv2.inRange`函数将阈值应用于该区域，得到颜色的二值掩码。最后，函数通过计算二值掩码中非零像素的数量来判断是否检测到绿色或蓝色，并在检测到时打印相应的信息。

在主循环中，程序从摄像头读取帧，并调用`detect_colors`函数进行颜色检测。检测到绿色或蓝色时，会打印相应的信息并等待一段时间。检测结果会显示在名为"Color Detection"的窗口中。

按下ESC键时，程序会退出循环，并释放摄像头资源和关闭窗口。

请注意，根据您的实际需求，您可以根据`lower_while`和`upper_while`的值来调整绿色的阈值范围，以便更准确地检测您所需的颜色。