python怎么查看cv图像的形状

你可以使用OpenCV库中的函数cv2.imread()读取图像，然后使用shape属性查看图像的形状。例如，如果图像名为img，可以使用以下代码查看图像的形状：

import cv2

img = cv2.imread('image.jpg')
print(img.shape)

输出结果将是一个三元组，表示图像的高度、宽度和通道数。例如，(480, 640, 3)表示图像高度为480像素，宽度为640像素，通道数为3。

相关问题

opencv Python识别图像中有哪些形状后统计不同形状的个数的代码

在OpenCV中，你可以使用`cv2.findContours()`函数以及形状识别的Harris角点检测、轮廓匹配等技术来识别图像中的形状，并统计每个形状的数量。以下是一个简单的示例代码，用于统计图像中不同形状（这里假设我们只关注矩形和圆形）的个数：

import cv2
import numpy as np

# 加载图片
image = cv2.imread('your_image.jpg', cv2.IMREAD_GRAYSCALE)

# 二值化处理
_, image = cv2.threshold(image, 100, 255, cv2.THRESH_BINARY_INV)

# 寻找轮廓
contours, _ = cv2.findContours(image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

shapes_count = {
    'rectangle': 0,
    'circle': 0
}

# 遍历轮廓，检查是否为矩形或圆形
for contour in contours:
    # 矩形检测：计算边界框并判断面积
    rect = cv2.boundingRect(contour)
    if rect[2] * rect[3] > 50:  # 可调整阈值以过滤较小的区域
        shapes_count['rectangle'] += 1

    # 圆形检测：尝试通过霍夫圆检测
    circles = cv2.HoughCircles(image, cv2.HOUGH_GRADIENT, dp=1, minDist=20, param1=50, param2=30, minRadius=0, maxRadius=0)
    if circles is not None:
        circles = np.round(circles[0, :]).astype("int")
        for circle in circles:
            if circle[2] > 0 and circle[2] < 15:  # 预设范围，可以根据实际需求调整
                shapes_count['circle'] += 1

print("Rectangle count:", shapes_count['rectangle'])
print("Circle count:", shapes_count['circle'])

python形态学图像处理

形态学图像处理是一种利用膨胀和腐蚀操作来改变图像形状和提取物体轮廓的。在Python中，可以使用OpenCV库来实现形态学图像处理。通过使用膨胀和腐蚀的组合操作，可以去除图像噪声并得到无噪声的二值图像。下面是一个简单的Python代码示例，展示了如何实现形态学梯度操作：

import cv2
import numpy as np

img = cv2.imread('luotuo.jpg', 0)  # 读取图像
ret, th = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)  # 二值化处理
kernel = np.ones((5, 5), np.uint8)  # 定义卷积核
gradient = cv2.morphologyEx(th, cv2.MORPH_GRADIENT, kernel)  # 形态学梯度操作

cv2.imshow('Input', img)  # 显示原始图像
cv2.imshow('Morphological Gradient', gradient)  # 显示形态学梯度图像
cv2.waitKey(0)
cv2.destroyAllWindows()