contours, hierarchy = cv.findContours
时间: 2024-04-12 11:23:54 浏览: 16
cv.findContours是OpenCV中的一个函数,用于在图像中查找轮廓。它接受一个二值化图像作为输入,返回一组轮廓以及它们的层次结构。
轮廓是图像中连续的边界线,可以用于识别和分析图像中的对象。在cv.findContours函数中,它返回的轮廓是一个由点组成的列表,每个点表示轮廓上的一个像素位置。
层次结构是指轮廓之间的关系。它描述了轮廓之间的父子关系以及内部轮廓和外部轮廓之间的连接关系。通过层次结构,我们可以了解轮廓之间的包含关系和嵌套关系。
相关问题
contours, hierarchy = cv2.findContours
`cv2.findContours()`是一个在图像中查找轮廓的函数。它的语法如下:
```python
contours, hierarchy = cv2.findContours(image, mode, method[, contours[, hierarchy[, offset]]])
```
其中,参数`image`是输入图像,必须是8位单通道图像。参数`mode`表示轮廓检索模式,有以下几种取值:
- `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`:检测所有轮廓并将其组织为两级层次结构。
- `cv2.RETR_TREE`:检测所有轮廓并重构嵌套轮廓的整个层次。
参数`method`表示轮廓逼近方法,有以下几种取值:
- `cv2.CHAIN_APPROX_NONE`:存储所有的轮廓点。
- `cv2.CHAIN_APPROX_SIMPLE`:仅存储水平、垂直和对角线方向的端点。
- `cv2.CHAIN_APPROX_TC89_L1`和`cv2.CHAIN_APPROX_TC89_KCOS`:使用Teh-Chin链逼近算法中的一种。
函数返回值`contours`是一个包含所有轮廓的列表,每个轮廓都是一个包含(x,y)坐标的数组。`hierarchy`是可选的输出向量,其中包含有关图像拓扑的信息。
下面是一个使用`cv2.findContours()`函数查找轮廓的例子:
```python
import cv2
# 读取图像
img = cv2.imread('example.jpg')
# 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化
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_NONE)
# 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()
```
binary, contours = cv2.findContours
cv2.findContours是OpenCV中的一个函数,用于在二进制图像中查找轮廓。它接受一个二进制图像作为输入,并返回一个包含所有轮廓的列表。
函数的返回值包括两部分:轮廓和层次结构。轮廓是一个包含点坐标的列表,每个轮廓都是一个numpy数组。层次结构是一个包含轮廓之间关系的列表,它描述了轮廓之间的父子关系。
在函数调用时,你需要传入一个二进制图像作为参数。二进制图像是一个只包含黑色和白色两种颜色的图像,其中白色表示目标物体,黑色表示背景。
下面是一个示例代码,展示了如何使用cv2.findContours函数:
```
import cv2
# 读取图像并转换为灰度图像
image = cv2.imread('image.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 二值化处理
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 查找轮廓
contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 绘制轮廓
cv2.drawContours(image, contours, -1, (0, 255, 0), 2)
# 显示结果
cv2.imshow('Contours', image)
cv2.waitKey(0)
cv2.destroyAllWindows()
```
在上面的示例中,我们首先读取一张图像并将其转换为灰度图像。然后,我们对灰度图像进行二值化处理,得到一个二进制图像。接下来,我们使用cv2.findContours函数查找轮廓,并将结果保存在contours和hierarchy变量中。最后,我们使用cv2.drawContours函数绘制轮廓,并显示结果图像。