opencv-python怎么提取轮廓边界坐标

可以使用OpenCV中的findContours()函数进行轮廓提取，该函数会返回轮廓的边界坐标。具体实现可以参考以下代码：

import cv2

img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray, 50, 150)
contours, hierarchy = cv2.findContours(edges, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 遍历每个轮廓，并绘制出来
for i in range(len(contours)):
    cv2.drawContours(img, contours, i, (0,0,255), 2)

cv2.imshow("Contours", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

需要注意的是，findContours()函数返回的轮廓坐标是以numpy数组的形式存储的，可以通过遍历数组访问每个点的坐标。

相关问题

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。

opencv车牌识别提取轮廓python

在使用OpenCV进行车牌识别时，可以通过以下步骤提取轮廓：

1. 首先，加载图片并对其进行预处理。可以使用cv2.imread()函数加载图片，并使用cv2.cvtColor()函数将其转换为灰度图像。

2. 对灰度图像进行高斯滤波以平滑处理图像。可以使用cv2.GaussianBlur()函数进行高斯滤波。

3. 使用边界提取方法，例如Sobel算子或Canny算子，来检测图像的边界。可以使用cv2.Sobel()函数或cv2.Canny()函数进行边界提取。

4. 对边界提取结果进行二值化处理，以便更好地分离出车牌轮廓。可以使用cv2.threshold()函数进行二值化。

5. 使用形态学运算，例如腐蚀和膨胀，来去除噪声并改善车牌轮廓的连通性。可以使用cv2.erode()函数进行腐蚀操作，使用cv2.dilate()函数进行膨胀操作。

6. 最后，通过cv2.findContours()函数获取轮廓信息。该函数可以提取图像中的轮廓，并返回一个包含轮廓坐标的列表。

以上是提取车牌轮廓的一般步骤，具体代码可以根据需求调整参数和使用的函数。希望对您有所帮助。引用\[1\]引用\[2\]引用\[3\]
#### 引用[.reference_title]
- *1* [python-opencv车牌检测和定位](https://blog.csdn.net/weixin_45848575/article/details/125420643?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522168934741616800225534176%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=168934741616800225534176&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~first_rank_ecpm_v1~rank_v31_ecpm-6-125420643-null-null.nonecase&utm_term=opencv%E8%BD%A6%E7%89%8C%E8%AF%86%E5%88%AB%E6%8F%90%E5%8F%96%E8%BD%AE%E5%BB%93python)[target="_blank"] [.reference_item]
- *2* [python-opencv车牌检测和定位](https://blog.csdn.net/weixin_45848575/article/details/125420643?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522168934741616800225534176%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=168934741616800225534176&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~first_rank_ecpm_v1~rank_v31_ecpm-6-125420643-null-null.nonecase&utm_term=opencv%E8%BD%A6%E7%89%8C%E8%AF%86%E5%88%AB%E6%8F%90%E5%8F%96%E8%BD%AE%E5%BB%93python)[target="_blank"] [.reference_item]
- *3* [python-opencv车牌检测和定位](https://blog.csdn.net/weixin_45848575/article/details/125420643?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522168934741616800225534176%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=168934741616800225534176&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~first_rank_ecpm_v1~rank_v31_ecpm-6-125420643-null-null.nonecase&utm_term=opencv%E8%BD%A6%E7%89%8C%E8%AF%86%E5%88%AB%E6%8F%90%E5%8F%96%E8%BD%AE%E5%BB%93python)[target="_blank"] [.reference_item]
[ .reference_list ]