文章目录
轮廓检测1、阈值函数 cv2.threshold()2、使用threshold函数的黑白二值反转实例3、轮廓检测，绘制轮廓轮廓检测
1、阈值函数 cv2.threshold()
这个函数有四个参数，第一个原图像，第二个进行分类的阈值，第三个是高于（低于）阈值时赋予的新值，第四个是一个方法选择参数，常用的有：
• cv2.THRESH_BINARY（黑白二值）
• cv2.THRESH_BINARY_INV（黑白二值反转）
• cv2.THRESH_TRUNC （得到的图像为多像素值）
• cv2.THRESH_TOZERO
• cv2.THRESH_TOZERO_INV
该函数有两个返回值，第一个retVal（得到的阈值值），第二个就是阈值化后的图像。
测试一下方法选择参数的值
import cv2print(cv2.THRESH_BINARY) # 黑白二值print(cv2.THRESH_BINARY_INV) # 黑白二值反转print(cv2.THRESH_TRUNC) # 得到的图像为多像素值print(cv2.THRESH_TOZERO)print(cv2.THRESH_TOZERO_INV )
得到这样的结果
对比图（图片来源：/on2way/article/details/46812121）
2、使用threshold函数的黑白二值反转实例
import cv2import numpy as npimg = np.zeros((200, 200), dtype=np.uint8)img[50:150, 50:150] = 255ret, thresh = cv2.threshold(img, 127, 255, 1)cv2.imshow('Image', img)cv2.imshow('Image2', thresh)cv2.waitKey()cv2.destroyAllWindows()
3、轮廓检测，绘制轮廓
import cv2import numpy as npimg = np.zeros((500, 500), dtype=np.uint8)img[50:150, 50:150] = 255 # 画出白色的块ret, thresh = cv2.threshold(img, 127, 255, 0) # 阈值函数contours, hierarchy = cv2.findContours( # 轮廓检测thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)color = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR) # 转化成BGR图img = cv2.drawContours(color, contours, -1, (0, 255, 0), 2) # 绘制绿色轮廓cv2.imshow('Contours', color)cv2.waitKey()cv2.destroyAllWindows()
结果
如果觉得《opencv-python 图像处理 —— 轮廓检测》对你有帮助，请点赞、收藏，并留下你的观点哦！
