python计算轮廓的边界框

你可以使用OpenCV库来计算轮廓的边界框，具体步骤如下：

1. 读取图像并转换为灰度图像

import cv2

img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

2. 进行二值化处理

ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

3. 查找轮廓

contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

4. 计算每个轮廓的边界框

for contour in contours:
    x, y, w, h = cv2.boundingRect(contour)
    cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)

这里使用cv2.boundingRect()函数计算每个轮廓的边界框，并将其绘制在原始图像上。最终的结果将显示每个轮廓的边界框。

相关问题

轮廓中点到上边界的距离python

假设你有一个轮廓的边界点集合 `contours`，你可以使用OpenCV库中的函数 `cv2.boundingRect()` 来获取该轮廓的边界框。然后，你可以通过计算轮廓中点与边界框上边界的距离来获取轮廓中点到上边界的距离。

下面是一个示例代码：

import cv2

# 读取图像并转为灰度图像
img = cv2.imread('contour.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 获取轮廓
contours, hierarchy = cv2.findContours(gray, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 获取第一个轮廓的边界框
x, y, w, h = cv2.boundingRect(contours[0])

# 计算轮廓中点
M = cv2.moments(contours[0])
cx = int(M['m10'] / M['m00'])
cy = int(M['m01'] / M['m00'])

# 计算轮廓中点到上边界的距离
distance = cy - y

print(distance)

在这个例子中，我们假设图像中只有一个轮廓。如果你的图像中有多个轮廓，你需要在 `contours` 中遍历每一个轮廓并分别计算距离。

opencv-python怎么提取轮廓边界坐标，并排序

可以使用函数cv2.findContours()来提取轮廓边界坐标，并使用函数cv2.contourArea()计算轮廓面积进行排序。具体实现步骤如下：

1. 读入图像并转为灰度图。

2. 使用函数cv2.threshold()二值化图像。

3. 使用函数cv2.findContours()提取轮廓边界坐标。

4. 循环遍历所有轮廓，并使用函数cv2.contourArea()计算轮廓面积进行排序。

5. 对轮廓边界坐标进行排序。

6. 绘制轮廓边界。