cv2.findContours()函数的参数有什么
时间: 2024-04-12 09:23:28 浏览: 23
cv2.findContours()函数是OpenCV中用于查找图像轮廓的函数。它的参数如下:
1. image:输入的二值化图像,通常为灰度图像或二值图像。
2. mode:轮廓检索模式,指定轮廓的层次结构。常用的模式有:
- cv2.RETR_EXTERNAL:只检测最外层的轮廓。
- cv2.RETR_LIST:检测所有的轮廓,不建立层级关系。
- cv2.RETR_TREE:检测所有的轮廓,并建立完整的层级关系。
- 其他模式可参考OpenCV文档。
3. method:轮廓逼近方法。常用的方法有:
- cv2.CHAIN_APPROX_NONE:保存所有的轮廓点。
- cv2.CHAIN_APPROX_SIMPLE:压缩水平、垂直和对角线方向上的冗余点,只保留端点。
- 其他方法可参考OpenCV文档。
4. contours:检测到的轮廓,以列表形式返回。
5. hierarchy:轮廓的层级关系,以列表形式返回。
相关问题
cv2.findcontours函数的参数
cv2.findContours函数的参数包括:
1. image:输入图像,要求为二值图像,一般为灰度图像或者二值化后的图像。
2. mode:轮廓检索模式,有以下几种取值:
- cv2.RETR_EXTERNAL:只检索最外面的轮廓;
- cv2.RETR_LIST:检索所有的轮廓,并将其保存到列表中;
- cv2.RETR_CCOMP:检索所有的轮廓,将其分为两级层次结构,顶层为连通性的外部边界,次层为内部的空洞边界;
- cv2.RETR_TREE:检索所有轮廓,并重构嵌套轮廓的整个层次。
3. method:轮廓逼近方法,有以下几种取值:
- cv2.CHAIN_APPROX_NONE:存储所有的轮廓点;
- cv2.CHAIN_APPROX_SIMPLE:仅存储轮廓的端点;
- cv2.CHAIN_APPROX_TC89_L1:使用Teh-Chin链逼近算法;
- cv2.CHAIN_APPROX_TC89_KCOS:使用Teh-Chin链逼近算法。
4. contours:检测出的轮廓,每个轮廓是一个Numpy数组,包含轮廓上所有点的坐标。
5. hierarchy:轮廓的层次结构信息,每个轮廓对应一个四元组,包含后一个轮廓、前一个轮廓、父轮廓和子轮廓的索引。
cv2.findContours函数怎么使用
cv2.findContours函数是OpenCV中用于在图像中查找轮廓的函数。它接受三个参数:输入图像、轮廓检索模式和轮廓近似方法。输入图像是一个二进制图像,通常是通过应用阈值处理后得到的。轮廓检索模式决定了如何计算轮廓间的层次结构,常用的模式包括cv2.RETR_EXTERNAL(只返回最外层轮廓)、cv2.RETR_LIST(返回所有轮廓,不建立层次关系)等。轮廓近似方法指定了轮廓的近似精度,常用的方法包括cv2.CHAIN_APPROX_SIMPLE(压缩水平、垂直和对角线段的方法)等。
以下是一个示例代码,展示了如何使用cv2.findContours函数:
```python
import cv2
im = cv2.imread('test2.png')
imgray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
im2, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
```
这段代码首先读取名为test2.png的图像,并将其转换为灰度图像。然后,通过应用阈值处理,将图像转换为二进制图像。最后,使用cv2.findContours函数,在阈值图像中查找轮廓,并将轮廓存储在contours变量中。
相关推荐
![mhtml](https://img-home.csdnimg.cn/images/20210720083646.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)