当前位置：首页 > news >正文

做零售的国外网站合肥建公司网站

news 2025/9/17 2:27:58

做零售的国外网站,合肥建公司网站,在杭州注册公司需要什么条件,心连网网站目录图像的轮廓查找轮廓绘制轮廓轮廓的特征轮廓面积轮廓周长轮廓近似凸包边界矩形最小外接圆椭圆拟合直线拟合图像的矩特征矩的概念图像中的矩特征图像的轮廓查找轮廓 binary,contours,hierarchycv.findContours(img,mode,method)绘制轮廓 cv.drawContours(img,coutours…

图像的轮廓

在这里插入图片描述

查找轮廓

binary,contours,hierarchy=cv.findContours(img,mode,method)

在这里插入图片描述

绘制轮廓

cv.drawContours(img,coutours,index,color,width)

在这里插入图片描述

import numpy as np
import cv2 as cv
import matplotlib.pyplot as pltimg = cv2.imread('./汪学长的随堂资料/4/图像操作/contours.png')
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
canny=cv.Canny(img_gray,127,255,0)
contours,hi=cv.findContours(canny,cv.RETR_TREE,cv.CHAIN_APPROX_SIMPLE)
img=cv.drawContours(img,contours,-1,(0,0,255),2)
plt.imshow(img[:,:,::-1])

在这里插入图片描述

轮廓的特征

在这里插入图片描述

轮廓面积

area=cv.contourArea(cnt)

轮廓周长

perimeter=cv.arcLength(cnt,isclosed)

在这里插入图片描述

轮廓近似

在这里插入图片描述

approx=cv.approxPolyDP(cnt,epsilon,isclosed)

在这里插入图片描述

img = cv2.imread('./汪学长的随堂资料/4/图像操作/contours2.png')img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(img_gray, 127, 255, 0)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
cnt=contours[0]
area=cv.contourArea(cnt)
length=cv.arcLength(cnt,True)
esplion=0.1*length
approx=cv.approxPolyDP(cnt,esplion,True)
img=cv.polylines(img,[approx],True,(0,0,255),2)
plt.imshow(img[:,:,::-1])

在这里插入图片描述

凸包

在这里插入图片描述

hull=cv.convexHull(points,clockwise,returnPoints)

在这里插入图片描述

img=cv.imread('./image/star 2.jpeg')
img1=img.copy()
imggray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
canny=cv.canny(imggray,127,255,0)
contours,hi=cv.findContours(canny,cv.RETR_TREE,cv.CHAIN_APPROX_SIMPLE)
hulls=[]
for cnt in contours:hull=cv.convexHull(cnt)hulls.append(hull)
img1=cv.drawContours(img1,hulls,-1,(0,255,0),2)
plt.imshow(img1[:,:,::-1])

在这里插入图片描述

边界矩形

在这里插入图片描述

img=cv.imread('./image/arrows,jpg')
img_gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)
ret,thresh=cv.threshold(img_gray,127,255,0)
contours,hi=cv.findContours(thresh,1,2)
cnt=contours[1]
x,y,w,h=cv.boundingRect(cnt)
imgRect=cv.rectangle(img,(x,y),(x+w,y+h),(0,255,0),3)
plt.imshow(imgRect[:,:,::-1])

在这里插入图片描述

s=cv.minAreaRect(cnt)
a=cv.boxPoints(s)
a=np.int0(a)
cv.polylines(imgRect,[a],True,(0,0,255),3)
plt.imshow(imgRect[:,:,::-1])

在这里插入图片描述

最小外接圆

在这里插入图片描述

(x,y),r=cv.minEnclosingCircle(cnt)
center=(int(x),int(y))
r=int(r)
imgcircle=cv.circle(img,center,r,(0,255,0),3)
plt.imshow(imgcircle[:,:,::-1])

在这里插入图片描述

椭圆拟合

在这里插入图片描述

ellipse=cv.fitEllipse(cnt)
imgellipse=cv.ellipse(img,ellipse,(0,255,255,3))
plt.imshow(imgellipse[:,:,::-1])

在这里插入图片描述

直线拟合

在这里插入图片描述

output=cv.fitLine(points,distType,param,aeps)

在这里插入图片描述

[vx,vy,x,y]=cv.fitLine(cnt,cv.DIST_L2,0,0.01,0.01)
rows,cols=img.shape[:2]
lefty=int((-x*vy/vx)+y)
righty=int(((cols-x)*vy/vx)+y)
imgline=cv.line(img,(0,lefty),(cols-1,righty),(0,0,255),3)
plt.imshow(imgline[:,:,::-1])

在这里插入图片描述

图像的矩特征

在这里插入图片描述

矩的概念

在这里插入图片描述

图像中的矩特征

在这里插入图片描述

moments(array,binaryImage=False)

在这里插入图片描述

img=cv.imread('./image/arrows.jpg',0)
imgmn=cv.moments(img)
imghu=cv.HuMoments(imgmn)
ret,thresh=cv.threshold(img,127,255,0)
contours,hi=cv.findContours(thresh,1,2)
cnt=contours[1]
mn=cv.moments(cnt)
hu=cv.HuMoments(mn)