1.顏色空間轉換

使用cv2.cvtColor(input_image ，flag)，flag為轉換類型

常用的轉換類型有：

BGR和灰度圖的轉換使用 cv2.COLOR_BGR2GRAY BGR和HSV的轉換使用 cv2.COLOR_BGR2HSV

img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

2.二值化

ret, dst = cv2.threshold(src, thresh, maxval, type) src：表示的是圖片源（灰度圖） thresh：表示的是閾值（起始值） maxval：表示的是最大值 type：表示的是這里劃分的時候使用的是什么類型的算法，常用值為0（cv2.THRESH_BINARY）

返回值

ret：指定的thresh

dst： 目標圖像

ret, dst = cv2.threshold(img_gray, 200, 255, cv2.THRESH_BINARY)

3.查找并繪制輪廓

3.1 cv2.findContours(image, mode, method[, offset])

概述：

尋找一個二值圖像的輪廓。注意黑色表示背景，白色表示物體，即在黑色背景里尋找白色物體的輪廓

參數：

image: 8位單通道圖像。非零像素值視為1，所以圖像視作二值圖像 mode: 輪廓檢索的方式 cv2.RETR_EXTERNAL: 只檢索外部輪廓 cv2.RETR_LIST: 檢測所有輪廓且不建立層次結構 cv2.RETR_CCOMP: 檢測所有輪廓，建立兩級層次結構。上面的一層為外邊界，里面的一層為內孔的邊界信息。如果內孔內還有一個連通物體，這個物體的邊界也在頂層。 cv2.RETR_TREE: 檢測所有輪廓，建立完整的層次結構 method: 輪廓近似的方法 cv2.CHAIN_APPROX_NONE: 存儲所有的輪廓點 cv2.CHAIN_APPROX_SIMPLE: 壓縮水平，垂直和對角線段，只留下端點。 例如矩形輪廓可以用4個點編碼 cv2.CHAIN_APPROX_TC89_L1,cv2.CHAIN_APPROX_TC89_KCOS:使用Teh-Chini chain近似算法 offset:（可選參數）輪廓點的偏移量，格式為tuple,如（-10，10）表示輪廓點沿X負方向偏移10個像素點，沿Y正方向偏移10個像素點

返回值：

contours: 輪廓點。列表格式，每一個元素為一個3維數組（其形狀為（n,1,2），其中n表示輪廓點個數，2表示像素點坐標）,表示一個輪廓 hierarchy: 輪廓間的層次關系,為三維數組，形狀為（1,n,4），其中n表示輪廓總個數，4指的是用4個數表示各輪廓間的相互關系。第一個數表示同級輪廓的下一個輪廓編號，第二個數表示同級輪廓的上一個輪廓的編號，第三個數表示該輪廓下一級輪廓的編號，第四個數表示該輪廓的上一級輪廓的編號

補充： 若想得到輪廓點的集合的列表，可使用

cnt = np.squeeze(contours[0])

3.2 cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]])

參數：

image: 需要繪制輪廓的目標圖像，注意會改變原圖 contours: 輪廓點，上述函數cv2.findContours()的第一個返回值 contourIdx: 輪廓的索引，表示繪制第幾個輪廓，-1表示繪制所有的輪廓 color: 繪制輪廓的顏色 thickness:（可選參數）輪廓線的寬度，-1表示填充 lineType:（可選參數）輪廓線型，包括cv2.LINE_4,cv2.LINE_8（默認）,cv2.LINE_AA,分別表示4鄰域線，8領域線，抗鋸齒線（可以更好地顯示曲線） hierarchy:（可選參數）層級結構，上述函數cv2.findContours()的第二個返回值，配合maxLevel參數使用 maxLevel:（可選參數）等于0表示只繪制指定的輪廓，等于1表示繪制指定輪廓及其下一級子輪廓，等于2表示繪制指定輪廓及其所有子輪廓 offset:（可選參數）輪廓點的偏移量

import cv2img = cv2.imread(’D:/2.jpg’,1)

img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)ret, dst = cv2.threshold(img_gray, 200, 255, cv2.THRESH_BINARY)

contours,hierarchy = cv2.findContours(dst, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)cv2.drawContours(img, contours, -1, (0, 255, 0), 3)

cv2.imshow(’img’,img)cv2.waitKey(0)

4.點與輪廓位置關系

此功能可查找圖像中的點與輪廓之間的最短距離。當點在輪廓外時返回負值，當點在內部時返回正值，如果點在輪廓上則返回零

dist = cv2.pointPolygonTest(cnt, (100, 100), True)

檢查(100,100)與輪廓（cnt）的距離

在函數中，第二個參數需要tuple類型；第三個參數是measureDist。 如果為True，則查找距離. 如果為False，則查找該點是在內部還是外部或在輪廓上（它分別返回+1，-1，0）

如果不需要到距離，請確保第三個參數為False，因為這是一個耗時的過程。因此，將其設為False可提供2-3倍的加速

5.直線擬合fitline函數

output = cv2.fitLine(InputArray points, distType, param, reps, aeps)

參數：

InputArray Points: 待擬合的直線的集合，必須是矩陣形式（如numpy.array) distType: 距離類型。fitline為距離最小化函數，擬合直線時，要使輸入點到擬合直線的距離和最小化。這里的距離的類型有以下幾種： cv2.DIST_USER : User defined distance cv2.DIST_L1: distance = |x1-x2| + |y1-y2| cv2.DIST_L2: 歐式距離，此時與最小二乘法相同 cv2.DIST_C: distance = max(|x1-x2|,|y1-y2|) cv2.DIST_L12: L1-L2 metric: distance = 2(sqrt(1+x*x/2) - 1)) cv2.DIST_FAIR cv2.DIST_WELSCH cv2.DIST_HUBER param: 距離參數，跟所選的距離類型有關，值可以設置為0 reps,aeps: 第5/6個參數用于表示擬合直線所需要的徑向和角度精度，通常情況下兩個值均被設定為1e-2

返回值：

output：對于二維直線，輸出output為4維，前兩維代表擬合出的直線的方向，后兩位代表直線上的一點。（即通常說的點斜式直線）

loc = np.array(loc)output = cv2.fitLine(loc, cv2.DIST_L2, 0, 0.01, 0.01)k = output[1] / output[0]b = output[3] - k * output[2]#k[key]報錯?

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持好吧啦網。