文章目录
- 前言
- 一、图像轮廓是什么?
- 二、使用步骤:
-
- 1.引入库
- 2.读入数据
- 3.操作步骤
- 4.显示结果
- 5.结果展示
- 三、总结
前言 案例 Fu Xianjun. All Rights Reserved.
随着当今世界的发展,计算机视觉技术的应用越来越广泛。伴随着硬件设备的不断升级,构造复杂的计算机视觉应用变得越来越容易了。OpenCV像是一个黑盒,让我们专注于视觉应用的开发,而不必过多的关注基础图象处理的具体细节。
一、图像轮廓是什么? 图像轮廓是指将边缘连接起来形成一个整体,通过对图像轮廓的操作,我们能够获取目标图像的大小、位置、方向等信息
凸包和逼近多边形很像,只不过他是物体最外层的“凸”多边形,凸包指的是完全包含原有轮廓,并且仅由轮廓上的点所构成的多边形,凸包内连接任意两点的直线都在凸包内部。
二、使用步骤: 原图展示:
文章图片
1.引入库
import cv2
import numpy as np
2.读入数据
a = cv2.imread('lizi.png',0)
3.操作步骤
y = cv2.threshold(a,200,255,0)[1]
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(100,1))
b = cv2.morphologyEx(a,cv2.MORPH_BLACKHAT,kernel)
dst = 255-b
4.显示结果
cv2.imshow("a",a) #在窗口中显示图片
cv2.imshow("dst",dst) #在窗口中显示图片
cv2.waitKey(0)#获取按键的ASCLL码
cv2.destroyAllWindows()#释放所有的窗口
5.结果展示
文章图片
三、总结 【计算机视觉|OpenCV之图像轮廓(绘制图像轮廓)】这里对文章进行总结:
以上就是今天要讲的内容,本文仅仅简单介绍了OpenCV的形态学操作的使用,而数字图像处理提供了大量能使我们快速便捷地处理数据的函数和方法。
推荐阅读
- 人工智能|OpenCV之形态学操作(消除文章批注)
- pytorch学习记录|pytorch hook机制
- python|Real-Time High-Resolution Background Matting翻译
- python|深度学习理论基础
- yolov5|yolov5测试和训练自己的数据集
- 3d|地理实体三维重建技术,只读这一篇就够了
- 论文输出|2021-09-03
- cnn|“看得见的”卷积神经网络(图文并茂+代码解读)(卷积神经网络可视化)
- 计算机视觉|YoloV5建立自己的数据集并进行训练