sss

OpenCV進(jìn)階篇

第10章　模板匹配

模板匹配是一種最原始、最基本的識(shí)別方法，可以在原始圖像中尋找特定圖像的位置。模板匹配經(jīng)常應(yīng)用于簡(jiǎn)單的圖像查找場(chǎng)景中，例如，在集體合照中找到某個(gè)人的位置。本章將介紹如何利用OpenCV實(shí)現(xiàn)模板匹配。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-8Qunwp3k-1639056667651)(OpenCV進(jìn)階篇.assets/image-20211122082012339.png)]

10.1　模板匹配方法

模板是被查找目標(biāo)的圖像，查找模板在原始圖像中的哪個(gè)位置的過(guò)程就叫模板匹配。OpenCV提供的matchTemplate()方法就是模板匹配方法，其語(yǔ)法如下：

result = cv2.matchTemplate(image, templ, method, mask)

參數(shù)說(shuō)明：

image：原始圖像。

templ：模板圖像，尺寸必須小于或等于原始圖像。

method：匹配的方法，可用參數(shù)值如表10.1所示。

表10.1

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-yTgvDiwC-1639056667652)(OpenCV進(jìn)階篇.assets/image-20211122082047351.png)]

匹配方法的參數(shù)值

mask：可選參數(shù)。掩模，只有cv2.TM_SQDIFF和cv2.TM_CCORR_NORMED支持此參數(shù)，建議采用默認(rèn)值。

返回值說(shuō)明：

result：計(jì)算得出的匹配結(jié)果。如果原始圖像的寬、高分別為W、H，模板圖像的寬、高分別為w、h，result就是一個(gè)W-w+1列、H-h+1行的32位浮點(diǎn)型數(shù)組。數(shù)組中每一個(gè)浮點(diǎn)數(shù)都是原始圖像中對(duì)應(yīng)像素位置的匹配結(jié)果，其含義需要根據(jù)method參數(shù)來(lái)解讀。
在模板匹配的計(jì)算過(guò)程中，模板會(huì)在原始圖像中移動(dòng)。模板與重疊區(qū)域內(nèi)的像素逐個(gè)對(duì)比，最后將對(duì)比的結(jié)果保存在模板左上角像素點(diǎn)索引位置對(duì)應(yīng)的數(shù)組位置中。計(jì)算過(guò)程如圖10.1所示。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-q6lurtRV-1639056667652)(OpenCV進(jìn)階篇.assets/image-20211122082229394.png)]

? 圖10.1　模板在原始圖像中移動(dòng)并逐個(gè)匹配

使用cv2.TM_SQDIFF（平方差匹配）方法計(jì)算出的數(shù)組格式如下（其他方法計(jì)算出的數(shù)組格式相同，僅數(shù)值不同）：

[[0.10165964 0.10123613 0.1008469 ... 0.10471864 0.10471849 0.10471849][0.10131165 0.10087635 0.10047968 ... 0.10471849 0.10471834 0.10471849][0.10089004 0.10045089 0.10006084 ... 0.10471849 0.10471819 0.10471849]...[0.16168603 0.16291814 0.16366465 ... 0.12178455 0.12198001 0.12187888][0.15859096 0.16000605 0.16096526 ... 0.12245651 0.12261643 0.12248362][0.15512456 0.15672517 0.15791312 ... 0.12315679 0.1232616 0.12308815]]

模板將原始圖像中每一塊區(qū)域都覆蓋一遍，但結(jié)果數(shù)組的行、列數(shù)并不等于原始圖像的像素的行、列數(shù)。假設(shè)模板的寬為w，高為h，原始圖像的寬為W，高為H，如圖10.2所示。
模板移動(dòng)到原始圖像的邊緣之后就不會(huì)繼續(xù)移動(dòng)了，所以模板的移動(dòng)區(qū)域如圖10.3所示，該區(qū)域的邊長(zhǎng)為“原始圖像邊長(zhǎng)-模板邊長(zhǎng)+1”，最后加1是因?yàn)橐苿?dòng)區(qū)域內(nèi)的上下、左右的2個(gè)邊都被模板覆蓋到了，如果不加1會(huì)丟失數(shù)據(jù)。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-egJKRmNg-1639056667653)(OpenCV進(jìn)階篇.assets/image-20211122085327267.png)]

? 圖10.2　模板和原始圖像的寬、高

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-vEnbCYJW-1639056667653)(OpenCV進(jìn)階篇.assets/image-20211122085350483.png)]

? 圖10.3　模板移動(dòng)的范圍

10.2　單模板匹配

匹配過(guò)程中只用到一個(gè)模板場(chǎng)景叫單模板匹配。原始圖像中可能只有一個(gè)和模板相似的圖像，也可能有多個(gè)。如果只獲取匹配程度最高的那一個(gè)結(jié)果，這種操作叫作單目標(biāo)匹配。如果需要同時(shí)獲取所有匹配程度較高的結(jié)果，這種操作叫作多目標(biāo)匹配。

10.2.1　單目標(biāo)匹配

單目標(biāo)匹配只獲取一個(gè)結(jié)果即可，就是匹配程度最高的結(jié)果（如果使用平方差匹配，則為計(jì)算出的最小結(jié)果；如果使用相關(guān)匹配或相關(guān)系數(shù)匹配，則為計(jì)算出的最大結(jié)果）。本節(jié)以平方差匹配為例介紹。
matchTemplate()方法的計(jì)算結(jié)果是一個(gè)二維數(shù)組，OpenCV提供了一個(gè)minMaxLoc()方法專(zhuān)門(mén)用來(lái)解析這個(gè)二維數(shù)組中的最大值、最小值以及這2個(gè)值對(duì)應(yīng)的坐標(biāo)，minMaxLoc()方法的語(yǔ)法如下：

minValue, maxValue, minLoc, maxLoc = cv2.minMaxLoc(src, mask)

參數(shù)說(shuō)明：

src：matchTemplate()方法計(jì)算得出的數(shù)組。

mask：可選參數(shù)，掩模，建議使用默認(rèn)值。

返回值說(shuō)明：

minValue：數(shù)組中的最小值。

maxValue：數(shù)組中的最大值。

minLoc：最小值的坐標(biāo)，格式為(x, y)。

maxLoc：最大值的坐標(biāo)，格式為(x, y)。
平方差匹配的計(jì)算結(jié)果越小，匹配程度越高。minMaxLoc()方法返回的minValue值就是模板匹配的最優(yōu)結(jié)果，minLoc就是最優(yōu)結(jié)果區(qū)域左上角的點(diǎn)坐標(biāo)，區(qū)域大小與模板大小一致。

【實(shí)例10.1】　為原始圖片中匹配成功的區(qū)域繪制紅框。
將圖10.4作為模板，將圖10.5作為原始圖像，使用cv2.TM_SQDIFF_NORMED方式進(jìn)行模板匹配，在原始圖像中找到與模板一樣的圖案，并在該圖案上繪制紅色方框。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-rar15A3x-1639056667654)(OpenCV進(jìn)階篇.assets/image-20211122085451979.png)]

? 圖10.4　模板

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-gEC0AtkX-1639056667654)(OpenCV進(jìn)階篇.assets/image-20211122085539068.png)]

? 圖10.5　原始圖片
具體代碼如下：

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-2A0hJfRU-1639056667655)(OpenCV進(jìn)階篇.assets/image-20211122085602382.png)]

上述代碼的運(yùn)行結(jié)果如圖10.6所示。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-nO5y7aFc-1639056667655)(OpenCV進(jìn)階篇.assets/image-20211122085749850.png)]

? 圖10.6　模板匹配的效果

在許多綜藝節(jié)目里，導(dǎo)演組給選手們一幅圖像，讓選手在指定區(qū)域內(nèi)尋找圖像中的某一靜物。為了增加游戲難度，導(dǎo)演組可能會(huì)讓選手們從2個(gè)或者多個(gè)相似的場(chǎng)景中選擇最佳的匹配結(jié)果。接下來(lái)，使用模板匹配的相應(yīng)方法模擬這個(gè)游戲。

【實(shí)例10.2】　從2幅圖像中選擇最佳的匹配結(jié)果。
將圖10.7作為模板，將圖10.8和圖10.9作為原始圖像，使用cv2.TM_SQDIFF_NORMED方式進(jìn)行模板匹配，在2幅原始圖像中找到與模板匹配結(jié)果最好的圖像，并在窗口中顯示出來(lái)。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-kAeDADkx-1639056667656)(OpenCV進(jìn)階篇.assets/image-20211122085811909.png)]

? 圖10.7　模板

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-6Y2C8Uz6-1639056667656)(OpenCV進(jìn)階篇.assets/image-20211122085837681.png)]

? 圖10.8　原始圖像221

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-F0efgzCT-1639056667656)(OpenCV進(jìn)階篇.assets/image-20211122085907444.png)]

? 圖10.9　原始圖像222
具體代碼如下：

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-Iun44Nij-1639056667657)(OpenCV進(jìn)階篇.assets/image-20211122085934422.png)]

上述代碼的運(yùn)行結(jié)果如圖10.10所示。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-2okGh7GG-1639056667657)(OpenCV進(jìn)階篇.assets/image-20211122090014973.png)]

? 圖10.10　從2幅圖像中選擇最佳的匹配結(jié)果

網(wǎng)速的提升讓容量較大的文件更容易在互聯(lián)網(wǎng)上傳播，最明顯結(jié)果就是現(xiàn)在用戶(hù)計(jì)算機(jī)里被堆滿(mǎn)了各種各樣的圖像文件。
圖像文件與其他文件不同，相同內(nèi)容的圖像可能保存在不同大小、不同格式的文件中，這些文件的二進(jìn)制字節(jié)碼差別較大，很難用簡(jiǎn)單的程序識(shí)別。在沒(méi)有高級(jí)識(shí)別軟件的情況下想要找出內(nèi)容相同的圖像就只能一個(gè)一個(gè)打開(kāi)用肉眼識(shí)別了。
OpenCV能夠打破圖像文件規(guī)格、格式的限制來(lái)識(shí)別圖像內(nèi)容。

【實(shí)例10.3】　查找重復(fù)的圖像。
圖10.11所示的文件夾中有10幅圖像，這些圖像不僅有JPG格式的，還有PNG格式的，而且這些圖像的分辨率也各不相同。接下來(lái)將編寫(xiě)一個(gè)程序，在該文件夾中找出哪些是重復(fù)的照片。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-bny5k3Mh-1639056667657)(OpenCV進(jìn)階篇.assets/image-20211122090116485.png)]

? 圖10.11　文件夾中的所有照片文件
想要解決這個(gè)問(wèn)題，可以使用OpenCV提供的matchTemplate()方法來(lái)判斷2幅圖像的相似度，如果相似度大于0.9，就認(rèn)為這2幅圖像是相同的。
具體代碼如下：

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-0MWgYl4D-1639056667658)(OpenCV進(jìn)階篇.assets/image-20211122090219888.png)]

上述代碼的運(yùn)行結(jié)果如下：

相同的照片：10.png, 4.jpg,相同的照片：2.jpg, 5.jpg, 9.png,

10.2.2　多目標(biāo)匹配

多目標(biāo)匹配需要將原始圖像中所有與模板相似的圖像都找出來(lái)，使用相關(guān)匹配或相關(guān)系數(shù)匹配可以很好地實(shí)現(xiàn)這個(gè)功能。如果計(jì)算結(jié)果大于某值（例如0.999），則認(rèn)為匹配區(qū)域的圖案和模板是相同的。

【實(shí)例10.4】　為原始圖片中所有匹配成功的圖案繪制紅框。
將圖10.12作為模板，將圖10.13作為原始圖像。原始圖像中有很多重復(fù)的圖案，每一個(gè)與模板相似的圖案都需要被標(biāo)記出來(lái)。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-sPJngqiS-1639056667658)(OpenCV進(jìn)階篇.assets/image-20211122090300666.png)]

? 圖10.12　模板

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-z3YHi9fS-1639056667658)(OpenCV進(jìn)階篇.assets/image-20211122090321173.png)]

? 圖10.13　包含重復(fù)內(nèi)容的原始圖像
使用cv2.TM_CCOEFF_NORMED方法進(jìn)行模板匹配，使用for循環(huán)遍歷matchTemplate()方法返回的結(jié)果，找到所有大于0.99的計(jì)算結(jié)果，在這些結(jié)果的對(duì)應(yīng)區(qū)域位置繪制紅色矩形邊框。編寫(xiě)代碼時(shí)要注意：數(shù)組的列數(shù)在圖像坐標(biāo)系中為橫坐標(biāo)，數(shù)組的行數(shù)在圖像坐標(biāo)系中為縱坐標(biāo)。
具體代碼如下：

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-9AHVz1kN-1639056667658)(OpenCV進(jìn)階篇.assets/image-20211122090346039.png)]

上述代碼的運(yùn)行結(jié)果如圖10.14所示，程序找到了3處與模板相似的圖案。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-Z1Eg2Ozz-1639056667659)(OpenCV進(jìn)階篇.assets/image-20211122090426271.png)]

? 圖10.14　匹配結(jié)果
多目標(biāo)匹配在實(shí)際生活中有很多應(yīng)用場(chǎng)景。例如，統(tǒng)計(jì)一條快軌線路的站臺(tái)總數(shù)；同一地點(diǎn)附近有2個(gè)地鐵站，優(yōu)先選擇直線距離最短的地鐵站等。

【實(shí)例10.5】　統(tǒng)計(jì)一條快軌線路的站臺(tái)總數(shù)。
將圖10.15作為模板，圖10.16作為原始圖像，在原始圖像中標(biāo)記快軌線路各個(gè)站臺(tái)，統(tǒng)計(jì)這條快軌線路的站臺(tái)總數(shù)。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-qnkqoHAG-1639056667659)(OpenCV進(jìn)階篇.assets/image-20211122090450906.png)]

? 圖10.15　模板

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-TKvqjLpo-1639056667659)(OpenCV進(jìn)階篇.assets/image-20211122090516424.png)]

? 圖10.16　原始圖像
使用cv2.TM_CCOEFF_NORMED方法進(jìn)行模板匹配，使用for循環(huán)遍歷matchTemplate()方法返回的結(jié)果，找到所有大于0.99的計(jì)算結(jié)果，在這些結(jié)果的對(duì)應(yīng)區(qū)域位置繪制藍(lán)色矩形邊框，代碼如下：

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-PcXPP4GV-1639056667660)(OpenCV進(jìn)階篇.assets/image-20211122090545588.png)]

上述代碼的運(yùn)行結(jié)果如圖10.17所示。
實(shí)例10.5第6行中的results包含所有藍(lán)色矩形邊框左上角的橫、縱坐標(biāo)。利用這一特點(diǎn)，還可以模擬“同一地點(diǎn)附近有2個(gè)地鐵站，優(yōu)先選擇直線距離最短的地鐵站”這一生活場(chǎng)景，模板如圖10.18所示。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-FOlMVoCl-1639056667660)(OpenCV進(jìn)階篇.assets/image-20211122090628716.png)]

? 圖10.17　統(tǒng)計(jì)一條快軌線路的站臺(tái)總數(shù)

【實(shí)例10.6】　優(yōu)先選擇直線距離最短的地鐵站。
如圖10.19所示，坐標(biāo)為(62, 150)的地點(diǎn)附近有人民廣場(chǎng)和解放大路兩個(gè)地鐵站，如何優(yōu)先選擇直線距離最短的地鐵站呢？首先將圖10.18作為模板，將圖10.19作為原始圖像，然后在原始圖像中標(biāo)記出這兩個(gè)地鐵站，最后計(jì)算并比較坐標(biāo)為(62, 150)這個(gè)地點(diǎn)與這兩個(gè)地鐵站的直線距離。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-sZTp2jPj-1639056667660)(OpenCV進(jìn)階篇.assets/image-20211122090830746.png)]

? 圖10.18　模板

? 圖10.19　原始圖像
使用cv2.TM_CCOEFF_NORMED方法進(jìn)行模板匹配，使用for循環(huán)遍歷matchTemplate()方法返回的結(jié)果，找到所有大于0.99的計(jì)算結(jié)果，在這些結(jié)果的對(duì)應(yīng)區(qū)域位置繪制藍(lán)色矩形邊框，分別計(jì)算(62,150)到藍(lán)色矩形邊框左上角的距離，用綠色線段標(biāo)記出直線距離最短的地鐵站，代碼如下：

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-0DHd3yX7-1639056667660)(OpenCV進(jìn)階篇.assets/image-20211122091313117.png)]

上述代碼的運(yùn)行結(jié)果如圖10.20所示。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-v9DG7tnQ-1639056667661)(OpenCV進(jìn)階篇.assets/image-20211122091347963.png)]

? 圖10.20　優(yōu)先選擇直線距離最短的地鐵站

10.3　多模板匹配

匹配過(guò)程中同時(shí)查找多個(gè)模板的操作叫多模板匹配。多模板匹配實(shí)際上就是進(jìn)行了n次“單模板多目標(biāo)匹配”操作，n的數(shù)量為模板總數(shù)。【實(shí)例10.7】　同時(shí)匹配3個(gè)不同的模板。
將圖10.21～圖10.23作為模板，將圖10.24（a）作為原始圖像。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-3YCOPde6-1639056667661)(OpenCV進(jìn)階篇.assets/image-20211122091419764.png)]

? 圖10.21　模板1

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-r9yUEVDC-1639056667661)(OpenCV進(jìn)階篇.assets/image-20211122091440162.png)]

? 圖10.22　模板2

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-m1bOnojo-1639056667662)(OpenCV進(jìn)階篇.assets/image-20211122091458891.png)]

? 圖10.23　模板3
每一個(gè)模板都要做一次“單模板多目標(biāo)匹配”，最后把所有模板的匹配結(jié)果匯總到一起。“單模板多目標(biāo)匹配”的過(guò)程可以封裝成一個(gè)方法，方法參數(shù)為模板和原始圖像，方法內(nèi)部將計(jì)算結(jié)果再加工一下，直接返回所有紅框左上角和右下角兩點(diǎn)橫縱坐標(biāo)的列表。在方法之外，將所有模板計(jì)算得出的坐標(biāo)匯總到一個(gè)列表中，按照這些匯總的坐標(biāo)一次性將所有紅框都繪制出來(lái)。
具體代碼如下：

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-9ElkKc33-1639056667662)(OpenCV進(jìn)階篇.assets/image-20211122091539261.png)]

上述代碼的運(yùn)行效果如圖10.24（b）所示。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-Uph18qmS-1639056667662)(OpenCV進(jìn)階篇.assets/image-20211122091621151.png)]

? 圖10.24　多模板匹配效果
使用多模板匹配能夠解決很多生活中的實(shí)際問(wèn)題。例如，一個(gè)收費(fèi)停車(chē)場(chǎng)有4個(gè)車(chē)位，車(chē)位上陸續(xù)地停放了4輛車(chē)，通過(guò)多模板匹配，能夠知曉這4輛車(chē)分別停在了哪個(gè)車(chē)位上。接下來(lái)將模擬這一生活場(chǎng)景。

【實(shí)例10.8】　使用多模板匹配讓控制臺(tái)判斷4輛車(chē)分別停在了哪個(gè)車(chē)位上。
有4輛車(chē)按圖10.25～圖10.28的順序陸續(xù)駛?cè)胪＼?chē)場(chǎng)，這4輛車(chē)停在4個(gè)車(chē)位上的效果如圖10.29所示。將圖10.25～圖10.28作為模板，將圖10.29作為原始圖像，使用cv2. TM_CCOEFF_NORMED方式進(jìn)行模板匹配，在原始圖像中找到與4個(gè)模板一樣的圖像后，在控制臺(tái)上輸出這4輛車(chē)分別停在了哪個(gè)車(chē)位上。

說(shuō)明
在圖10.29中，1號(hào)車(chē)位水平像素的取值范圍是0_{200，2號(hào)車(chē)位水平像素的取值范圍是200}433，3號(hào)車(chē)位水平像素的取值范圍是433_{656，4號(hào)車(chē)位水平像素的取值范圍是656}871。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-dnthllJ8-1639056667662)(OpenCV進(jìn)階篇.assets/image-20211122091712450.png)]

? 圖10.25　模板1

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-Yj96pba2-1639056667663)(OpenCV進(jìn)階篇.assets/image-20211122091731718.png)]

? 圖10.26　模板2

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-jvSXLJN1-1639056667663)(OpenCV進(jìn)階篇.assets/image-20211122091750330.png)]

? 圖10.27　模板3

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-p9XHjoRB-1639056667663)(OpenCV進(jìn)階篇.assets/image-20211122091808719.png)]

? 圖10.28　模板4

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-H2QimGeQ-1639056667663)(OpenCV進(jìn)階篇.assets/image-20211122091825529.png)]

? 圖10.29　原始圖像
具體代碼如下：

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-xUmuJe8T-1639056667664)(OpenCV進(jìn)階篇.assets/image-20211122091850011.png)]

上述代碼的運(yùn)行結(jié)果如下：

車(chē)位編號(hào): 4車(chē)位編號(hào): 3車(chē)位編號(hào): 2車(chē)位編號(hào): 1

上面的結(jié)果可以得出以下結(jié)論：圖10.25所示的車(chē)輛停在了4號(hào)車(chē)位上，圖10.26所示的車(chē)輛停在了3號(hào)車(chē)位上，圖10.27所示的車(chē)輛停在了2號(hào)車(chē)位上，圖10.28所示的車(chē)輛停在了1號(hào)車(chē)位上。

10.4　小結(jié)

模板匹配包括單模板匹配和多模板匹配，單模板匹配又包括單目標(biāo)匹配和多目標(biāo)匹配。實(shí)現(xiàn)這些內(nèi)容的基礎(chǔ)方法就是模板匹配方法，即matchTemplate()方法。其中，重點(diǎn)掌握模板匹配方法的6個(gè)參數(shù)值。此外，為了實(shí)現(xiàn)單目標(biāo)匹配，除了需要使用模板匹配方法matchTemplate()外，還要使用minMaxLoc()方法，這個(gè)方法返回的就是單目標(biāo)匹配的最優(yōu)結(jié)果。對(duì)于多目標(biāo)匹配，要將它和多模板匹配區(qū)分開(kāi)：多目標(biāo)匹配只有一個(gè)模板，而多模板匹配則有多個(gè)模板。

第11章　濾波器

在盡量保留原圖像信息的情況下，去除圖像內(nèi)噪聲、降低細(xì)節(jié)層次信息等一系列過(guò)程，叫作圖像的平滑處理（或圖像的模糊處理）。實(shí)現(xiàn)平滑處理最常用的工具就是濾波器。通過(guò)調(diào)節(jié)濾波器的參數(shù)，可以控制圖像的平滑程度。OpenCV提供了種類(lèi)豐富的濾波器，每種濾波器使用的算法均不同，但都能對(duì)圖像中的像素值進(jìn)行微調(diào)，讓圖像呈現(xiàn)平滑效果。本章將介紹均值濾波器、中值濾波器、高斯濾波器和雙邊濾波器的使用方法。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-vSWZ4Fzw-1639056667664)(OpenCV進(jìn)階篇.assets/image-20211122092213657.png)]

11.1　均值濾波器

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-xl2LLuQr-1639056667664)(OpenCV進(jìn)階篇.assets/image-20211122092621030.png)]

? 圖11.1　噪聲圖像
圖像中可能會(huì)出現(xiàn)這樣一種像素，該像素與周?chē)袼氐牟顒e非常大，導(dǎo)致從視覺(jué)上就能看出該像素?zé)o法與周?chē)袼亟M成可識(shí)別的圖像信息，降低了整個(gè)圖像的質(zhì)量。這種“格格不入”的像素就是圖像的噪聲。如果圖像中的噪聲都是隨機(jī)的純黑像素或者純白像素，這樣的噪聲稱(chēng)作“椒鹽噪聲”或“鹽噪聲”。例如如圖7.1所示的就是一幅只有噪聲的圖像，常稱(chēng)為“雪花點(diǎn)”。
以一個(gè)像素為核心，其周?chē)袼乜梢越M成一個(gè)n行n列（簡(jiǎn)稱(chēng)n×n）的矩陣，這樣的矩陣結(jié)構(gòu)在濾波操作中被稱(chēng)為“濾波核”。矩陣的行、列數(shù)決定了濾波核的大小，如圖11.2所示的濾波核大小為3×3，包含9個(gè)像素；圖11.3所示的濾波核大小為5×5，包含25個(gè)像素。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-A7X4TOAK-1639056667665)(OpenCV進(jìn)階篇.assets/image-20211122092605201.png)]

? 圖11.2　3×3的濾波核

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-pYkMEF6M-1639056667665)(OpenCV進(jìn)階篇.assets/image-20211122092712502.png)]

? 圖11.3　5×5的濾波核
均值濾波器（也稱(chēng)為低通濾波器）可以把圖像中的每一個(gè)像素都當(dāng)成濾波核的核心，然后計(jì)算核內(nèi)所有像素的平均值，最后讓核心像素值等于這個(gè)平均值。
例如，圖11.4就是均值濾波的計(jì)算過(guò)程。濾波核大小為3×3，核心像素值是35，顏色較深，周?chē)袼刂刀紴?10～150，因此可以認(rèn)為核心像素是噪聲。將濾波核中的所有像素值相加，然后除以像素個(gè)數(shù)，就得出了平均值123（四舍五入取整）。將核心像素的值改成123，其顏色就與周?chē)伾顒e不大，圖像就變得平滑了。這就是均值濾波去噪的原理。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-U0Y6zVrq-1639056667665)(OpenCV進(jìn)階篇.assets/image-20211122092745945.png)]

? 圖11.4　均值濾波的計(jì)算過(guò)程
OpenCV將均值濾波器封裝成blur()方法，其語(yǔ)法如下：

dst = cv2.blur(src, ksize, anchor, borderType)

參數(shù)說(shuō)明：

src：被處理的圖像。

ksize：濾波核大小，其格式為(高度，寬度)，建議使用如(3, 3)、(5, 5)、(7, 7)等寬、高相等的奇數(shù)邊長(zhǎng)。濾波核越大，處理之后的圖像就越模糊。

anchor：可選參數(shù)，濾波核的錨點(diǎn)，建議采用默認(rèn)值，可以自動(dòng)計(jì)算錨點(diǎn)。

borderType：可選參數(shù)，邊界樣式，建議采用默認(rèn)值。

返回值說(shuō)明：

dst：經(jīng)過(guò)均值濾波處理之后的圖像。

【實(shí)例11.1】　對(duì)花朵圖像進(jìn)行均值濾波操作。
分別使用大小為3×3、5×5和9×9的濾波核對(duì)花朵圖像進(jìn)行均值濾波操

作，具體代碼如下：

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-iSHWrz2c-1639056667665)(OpenCV進(jìn)階篇.assets/image-20211122094217442.png)]

上述代碼的運(yùn)行結(jié)果如圖11.5所示，從這個(gè)結(jié)果可以看出，濾波核越大，處理之后的圖像就越模糊。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-5tDKOosJ-1639056667666)(OpenCV進(jìn)階篇.assets/image-20211122092914325.png)]

? 圖11.5　圖像均值濾波效果

11.2　中值濾波器

中值濾波器的原理與均值濾波器非常相似，唯一的不同就是不計(jì)算像素的平均值，而是將所有像素值排序，把最中間的像素值取出，賦值給核心像素。

例如，圖11.6就是中值濾波的計(jì)算過(guò)程。濾波核大小為3×3，核心像素值是35，周?chē)袼刂刀紴?10～150。將核內(nèi)所有像素值按升序排列，9個(gè)像素值排成一行，最中間位置為第5個(gè)位置，這個(gè)位置的像素值為131。不需再做任何計(jì)算，直接把131賦值給核心像素，其顏色就與周?chē)伾顒e不大，圖像就變得平滑了。這就是中值濾波去噪的原理。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-ggPwhx8h-1639056667666)(OpenCV進(jìn)階篇.assets/image-20211122095233594.png)]

圖11.6　中值濾波的計(jì)算過(guò)程
OpenCV將中值濾波器封裝成medianBlur()方法，其語(yǔ)法如下：

dst = cv2.medianBlur(src, ksize)

參數(shù)說(shuō)明：

src：被處理的圖像。

ksize：濾波核的邊長(zhǎng)，必須是大于1的奇數(shù)，如3、5、7等。該方法根據(jù)此邊長(zhǎng)自動(dòng)創(chuàng)建一個(gè)正方形的濾波核。

返回值說(shuō)明：

dst：經(jīng)過(guò)中值濾波處理之后的圖像。

注意
中值濾波器的ksize參數(shù)是邊長(zhǎng)，而其他濾波器的ksize參數(shù)通常為（高，寬）。

【實(shí)例11.2】　對(duì)花朵圖像進(jìn)行中值濾波操作.
分別使用邊長(zhǎng)為3、5、9的濾波核對(duì)花朵圖像進(jìn)行中值濾波操作，具體代碼如下：

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-gRpNOjqx-1639056667666)(OpenCV進(jìn)階篇.assets/image-20211122095347319.png)]

上述代碼的運(yùn)行結(jié)果如圖11.7所示，濾波核的邊長(zhǎng)越長(zhǎng)，處理之后的圖像就越模糊。中值濾波處理的圖像會(huì)比均值濾波處理的圖像丟失更多細(xì)節(jié)。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-nvL2Le6F-1639056667666)(OpenCV進(jìn)階篇.assets/image-20211122095440078.png)]

? 圖11.7　圖像中值濾波效果

11.3　高斯濾波器

高斯濾波也被稱(chēng)為高斯模糊或高斯平滑，是目前應(yīng)用最廣泛的平滑處理算法。高斯濾波可以很好地在降低圖片噪聲、細(xì)節(jié)層次的同時(shí)保留更多的圖像信息，經(jīng)過(guò)處理的圖像呈現(xiàn)“磨砂玻璃”的濾鏡效果。
進(jìn)行均值濾波處理時(shí)，核心周?chē)總€(gè)像素的權(quán)重都是均等的，也就是每個(gè)像素都同樣重要，所以計(jì)算平均值即可。但在高斯濾波中，越靠近核心的像素權(quán)重越大，越遠(yuǎn)離核心的像素權(quán)重越小，例如5×5大小的高斯濾波卷積核的權(quán)重示意圖如圖11.8所示。像素權(quán)重不同不能取平均值，要從權(quán)重大的像素中取較多的信息，從權(quán)重小的像素中取較少的信息。簡(jiǎn)單概括就是“離誰(shuí)更近，跟誰(shuí)更像”。
高斯濾波的計(jì)算過(guò)程涉及卷積運(yùn)算，會(huì)有一個(gè)與濾波核大小相等的卷積核。本節(jié)僅以3×3的濾波核為例，簡(jiǎn)單地描述一下高斯濾波的計(jì)算過(guò)程。
卷積核中保存的值就是核所覆蓋區(qū)域的權(quán)重值，其遵循圖11.8的規(guī)律。卷積核中所有權(quán)重值相加的結(jié)果為1。例如，3×3的卷積核可以是如圖11.9所示的值。隨著核大小、σ標(biāo)準(zhǔn)差的變化，卷積核中的值也會(huì)發(fā)生較大變化，圖11.9僅是一種最簡(jiǎn)單的情況。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-bUJTJIJq-1639056667667)(OpenCV進(jìn)階篇.assets/image-20211122095530857.png)]

? 圖11.8　5×5的高斯濾波卷積核的權(quán)重示意圖

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-4h3BuqBO-1639056667667)(OpenCV進(jìn)階篇.assets/image-20211122095559972.png)]

? 圖11.9　簡(jiǎn)化的3×3的卷積核
進(jìn)行高斯濾波的過(guò)程中，濾波核中像素與卷積核進(jìn)行卷積計(jì)算，最后將計(jì)算結(jié)果賦值給濾波核的核心像素。其計(jì)算過(guò)程如圖11.10所示。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-f24HEXuv-1639056667667)(OpenCV進(jìn)階篇.assets/image-20211122095620790.png)]

? 圖11.10　像素與卷積核進(jìn)行卷積計(jì)算
在圖11.10的計(jì)算過(guò)程中，濾波核中的每個(gè)像素值都與卷積核對(duì)應(yīng)位置的權(quán)重值相乘，最后計(jì)算出9個(gè)值，計(jì)算過(guò)程如下：

137 × 0.05 150 × 0.1 125 × 0.05 6.85 15 6.25141 × 0.1 35 × 0.4 131 × 0.1 = 14.1 14 13.1119 × 0.05 118 × 0.1 150 × 0.05 5.95 11.8 7.5

讓這9個(gè)值相加，再四舍五入取整，計(jì)算過(guò)程如下：

6.85 + 15 + 6.25 + 14.1 + 14 + 13.1 + 5.95 + 11.8 + 7.5 = 94.55 ≈ 95

最后得到的這個(gè)結(jié)果就是高斯濾波的計(jì)算結(jié)果，濾波核的核心像素值從35改為95。
OpenCV將高斯濾波器封裝成了GaussianBlur()方法，其語(yǔ)法如下：

dst = cv2.GaussianBlur(src, ksize, sigmaX, sigmaY, borderType)

參數(shù)說(shuō)明：

src：被處理的圖像。

ksize：濾波核的大小，寬高必須是奇數(shù)，如(3, 3)、(5, 5)等。

sigmaX：卷積核水平方向的標(biāo)準(zhǔn)差。

sigmaY：卷積核垂直方向的標(biāo)準(zhǔn)差。　修改sigmaX或sigmaY的值都可以改變卷積核中的權(quán)重比例。如果不知道如何設(shè)計(jì)這2個(gè)參數(shù)值，就直接把這2個(gè)參數(shù)的值寫(xiě)成0，該方法就會(huì)根據(jù)濾波核的大小自動(dòng)計(jì)算合適的權(quán)重比例。

borderType：可選參數(shù)，邊界樣式，建議使用默認(rèn)值。

返回值說(shuō)明：

dst：經(jīng)過(guò)高斯濾波處理之后的圖像。

【實(shí)例11.3】　對(duì)花朵圖像進(jìn)行高斯濾波操作。
分別使用大小為5×5、9×9和15×15的濾波核對(duì)花朵圖像進(jìn)行高斯濾波操作，水平方向和垂直方向的標(biāo)準(zhǔn)差參數(shù)值全部為0，具體代碼如下：

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-tbfymlO2-1639056667667)(OpenCV進(jìn)階篇.assets/image-20211122095728517.png)]

上述代碼的運(yùn)行結(jié)果如圖11.11所示，濾波核越大，處理之后的圖像就越模糊。和均值濾波、中值濾波處理的圖像相比，高斯濾波處理的圖像更加平滑，保留的圖像信息更多，更容易辨認(rèn)。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-zXsixYC9-1639056667668)(OpenCV進(jìn)階篇.assets/image-20211122095747712.png)]

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-qobIEi1N-1639056667668)(OpenCV進(jìn)階篇.assets/image-20211122095856218.png)]

? 圖11.11　圖像的高斯濾波效果

11.4　雙邊濾波器

不管是均值濾波、中值濾波還是高斯濾波，都會(huì)使整幅圖像變得平滑，圖像中的邊界會(huì)變得模糊不清。雙邊濾波是一種在平滑處理過(guò)程中可以有效保護(hù)邊界信息的濾波操作方法。
雙邊濾波器自動(dòng)判斷濾波核處于“平坦”區(qū)域還是“邊緣”區(qū)域：如果濾波核處于“平坦”區(qū)域，則會(huì)使用類(lèi)似高斯濾波的算法進(jìn)行濾波；如果濾波核處于“邊緣”區(qū)域，則加大“邊緣”像素的權(quán)重，盡可能地讓這些像素值保持不變。
例如，圖11.12是一幅黑白拼接圖像，對(duì)這幅圖像進(jìn)行高斯濾波，黑白交界處就會(huì)變得模糊不清，效果如圖11.13所示，但如果對(duì)這幅圖像進(jìn)行雙邊濾波，黑白交界處的邊界則可以很好地保留下來(lái)，效果如圖11.14所示。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-9NOGA35w-1639056667668)(OpenCV進(jìn)階篇.assets/image-20211122095927108.png)]

? 圖11.12　原圖

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-9Wt7UHEi-1639056667668)(OpenCV進(jìn)階篇.assets/image-20211122095943849.png)]

? 圖11.13　高斯濾波效果

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-cERKh8Ud-1639056667669)(OpenCV進(jìn)階篇.assets/image-20211122100141070.png)]

? 圖11.14　雙邊濾波效果
OpenCV將雙邊濾波器封裝成bilateralFilter()方法，其語(yǔ)法如下：

dst = cv2.bilateralFilter(src, d, sigmaColor, sigmaSpace, borderType)

參數(shù)說(shuō)明：

src：被處理的圖像。

d：以當(dāng)前像素為中心的整個(gè)濾波區(qū)域的直徑。如果d<0，則自動(dòng)根據(jù)sigmaSpace參數(shù)計(jì)算得到。該值與保留的邊緣信息數(shù)量成正比，與方法運(yùn)行效率成反比。

sigmaColor：參與計(jì)算的顏色范圍，這個(gè)值是像素顏色值與周?chē)伾档淖畲蟛钪?#xff0c;只有顏色值之差小于這個(gè)值時(shí)，周?chē)南袼夭胚M(jìn)行濾波計(jì)算。值為255時(shí)，表示所有顏色都參與計(jì)算。

sigmaSpace：坐標(biāo)空間的σ（sigma）值，該值越大，參與計(jì)算的像素?cái)?shù)量就越多。

borderType：可選參數(shù)，邊界樣式，建議默認(rèn)。
返回值說(shuō)明：

dst：經(jīng)過(guò)雙邊濾波處理之后的圖像。

【實(shí)例11.4】　對(duì)比高斯濾波和雙邊濾波的處理效果。

使用大小為(15, 15)的濾波核對(duì)花朵圖像進(jìn)行高斯濾波處理，同樣使用15作為范圍直徑對(duì)花朵圖像進(jìn)行雙邊濾波處理，觀察兩種濾波處理之后的圖像邊緣有什么差別，具體代碼如下：

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-o1vvrKgX-1639056667669)(OpenCV進(jìn)階篇.assets/image-20211122100239643.png)]

上述代碼的運(yùn)行結(jié)果如圖11.15所示，可以看出高斯濾波模糊了整個(gè)畫(huà)面，但雙邊濾波保留了較清晰的邊緣信息。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-iL70Jm9W-1639056667669)(OpenCV進(jìn)階篇.assets/image-20211122100319332.png)]

? 圖11.15　兩種濾波方法效果對(duì)比

11.5　小結(jié)

噪聲指的是一幅圖像內(nèi)部的、高亮度的像素點(diǎn)。圖像平滑處理是指在盡量保留原圖像信息的情況下，去除圖像內(nèi)部的這些高亮度的像素點(diǎn)（也就是“噪聲”）。為了實(shí)現(xiàn)圖像平滑處理，需要的工具就是濾波器。本章主要講解了OpenCV中的4種濾波器，雖然每種濾波器的實(shí)現(xiàn)原理都不同，但是每種濾波器都能對(duì)圖像進(jìn)行圖像平滑處理。讀者朋友在掌握這4種濾波器的實(shí)現(xiàn)方法的同時(shí)，也要熟悉這4種濾波器的實(shí)現(xiàn)原理。

第12章　腐蝕與膨脹

腐蝕和膨脹是圖像形態(tài)學(xué)中的兩種核心操作，通過(guò)這兩種操作可以清除或強(qiáng)化圖像中的細(xì)節(jié)。合理使用腐蝕和膨脹，還可以實(shí)現(xiàn)圖像開(kāi)運(yùn)算、閉運(yùn)算、梯度運(yùn)算、頂帽運(yùn)算和黑帽運(yùn)算等極具特點(diǎn)的操作。下面將對(duì)腐蝕、膨脹以及其他形態(tài)學(xué)操作進(jìn)行詳細(xì)的介紹。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-BU9Hvg54-1639056667669)(OpenCV進(jìn)階篇.assets/image-20211125193906728.png)]

12.1　腐蝕

腐蝕操作可以讓圖像沿著自己的邊界向內(nèi)收縮。OpenCV通過(guò)“核”來(lái)實(shí)現(xiàn)收縮計(jì)算。“核”的英文名為kernel，在形態(tài)學(xué)中可以理解為“由n個(gè)像素組成的像素塊”，像素塊包含一個(gè)核心（核心通常在中央位置，也可以定義在其他位置）。像素塊在圖像的邊緣移動(dòng)，在移動(dòng)過(guò)程中，核會(huì)將圖像邊緣那些與核重合但又沒(méi)有越過(guò)核心的像素點(diǎn)都抹除，效果類(lèi)似圖12.1所示的過(guò)程，就像削土豆皮一樣，將圖像一層一層地“削薄”。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-TcHfD008-1639056667670)(OpenCV進(jìn)階篇.assets/image-20211125193959328.png)]

? 圖12.1　核腐蝕圖像中的像素

OpenCV將腐蝕操作封裝成erode()方法，該方法的語(yǔ)法如下：

dst = cv2.erode(src, kernel, anchor, iterations, borderType, borderValue)

參數(shù)說(shuō)明：

src：原始圖像。

kernel：腐蝕使用的核。

anchor：可選參數(shù)，核的錨點(diǎn)位置。

iterations：可選參數(shù)，腐蝕操作的迭代次數(shù)，默認(rèn)值為1。

borderType：可選參數(shù)，邊界樣式，建議默認(rèn)。

borderValue：可選參數(shù)，邊界值，建議默認(rèn)。

返回值說(shuō)明：

dst：經(jīng)過(guò)腐蝕之后的圖像。
圖像經(jīng)過(guò)腐蝕操作之后，可以抹除一些外部的細(xì)節(jié)，如圖12.2所示是一個(gè)卡通小蜘蛛，如果用一個(gè)5×5的像素塊作為核對(duì)小蜘蛛進(jìn)行腐蝕操作，可以得到如圖12.3所示的結(jié)果。小蜘蛛的腿被當(dāng)成外部細(xì)節(jié)抹除了，同時(shí)小蜘蛛的眼睛變大了，因?yàn)楹藦膬?nèi)部也“削”了一圈。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-GQuX4pYe-1639056667670)(OpenCV進(jìn)階篇.assets/image-20211125194100364.png)]

? 圖12.2　原圖

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-LO9YgMC8-1639056667670)(OpenCV進(jìn)階篇.assets/image-20211125194124001.png)]

? 圖12.3　腐蝕之后的圖像
在OpenCV做腐蝕或其他形態(tài)學(xué)操作時(shí)，通常使用numpy模塊來(lái)創(chuàng)建核數(shù)組，例如：

import numpy as npk = np.ones((5, 5), np.uint8)

這兩行代碼就是通過(guò)numpy模塊的ones()方法創(chuàng)建了一個(gè)5行5列（簡(jiǎn)稱(chēng)5×5）、數(shù)字類(lèi)型為無(wú)符號(hào)8位整數(shù)、每一個(gè)數(shù)字的值都是1的數(shù)組，這個(gè)數(shù)組作為erode()方法的核參數(shù)。除了5×5的結(jié)構(gòu)，還可以使用3×3、9×9、11×11等結(jié)構(gòu)，行列數(shù)越大，計(jì)算出的效果就越粗糙，行列數(shù)越小，計(jì)算出的效果就越精細(xì)。

【實(shí)例12.1】　將仙人球圖像中的刺抹除。
仙人球的葉子呈針狀，莖呈深綠色，如圖12.4所示。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-iwTvCycU-1639056667670)(OpenCV進(jìn)階篇.assets/image-20211125194225098.png)]

? 圖12.4　仙人球
使用3×3的核對(duì)仙人球圖像進(jìn)行腐蝕操作，可以將圖像里的刺抹除，具體代碼如下：

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-DnkLOVsV-1639056667671)(OpenCV進(jìn)階篇.assets/image-20211125194308740.png)]

上述代碼的運(yùn)行結(jié)果如圖12.5所示。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-B3Eqc3hN-1639056667671)(OpenCV進(jìn)階篇.assets/image-20211125194341145.png)]

? 圖12.5　圖像腐蝕操作效果

12.2　膨脹

膨脹操作與腐蝕操作相反，膨脹操作可以讓圖像沿著自己的邊界向內(nèi)擴(kuò)張。同樣是通過(guò)核來(lái)計(jì)算，當(dāng)核在圖像的邊緣移動(dòng)時(shí)，核會(huì)將圖像邊緣填補(bǔ)新的像素，效果類(lèi)似圖12.6所示的過(guò)程，就像在一面墻上反反復(fù)復(fù)地涂水泥，讓墻變得越來(lái)越厚。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-0jW88y9z-1639056667671)(OpenCV進(jìn)階篇.assets/image-20211125194443041.png)]

? 圖12.6　核填補(bǔ)圖像中的像素
OpenCV將膨脹操作封裝成dilate()方法，該方法的語(yǔ)法如下：

dst = cv2.dilate(src, kernel, anchor, iterations, borderType, borderValue)

參數(shù)說(shuō)明：

src：原始圖像。

kernel：膨脹使用的核。

anchor：可選參數(shù)，核的錨點(diǎn)位置。

iterations：可選參數(shù)，腐蝕操作的迭代次數(shù)，默認(rèn)值為1。

borderType：可選參數(shù)，邊界樣式，建議默認(rèn)。

borderValue：可選參數(shù)，邊界值，建議默認(rèn)。
返回值說(shuō)明：

dst：經(jīng)過(guò)膨脹之后的圖像。
圖像經(jīng)過(guò)膨脹操作之后，可以放大一些外部的細(xì)節(jié)，如圖12.7（a）所示的卡通小蜘蛛，如果用一個(gè)5×5的像素塊作為核對(duì)小蜘蛛進(jìn)行膨脹操作，可以得到如圖12.7（b）所示的結(jié)果，小蜘蛛不僅腿變粗了，而且連眼睛都胖沒(méi)了。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-5Tq4mt3A-1639056667672)(OpenCV進(jìn)階篇.assets/image-20211125194535307.png)]

? 圖12.7　圖像膨脹操作效果

【實(shí)例12.2】　將圖像加工成“近視眼”效果。
近視眼由于聚焦不準(zhǔn)，看東西都需要放大并且模模糊糊的，利用膨脹操作可以將正常畫(huà)面處理成近視眼看到的畫(huà)面。采用9×9的數(shù)組作為核，對(duì)圖12.8（a）進(jìn)行膨脹操作。
具體代碼如下：

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-QnG9jkmB-1639056667672)(OpenCV進(jìn)階篇.assets/image-20211125194619331.png)]

上述代碼的運(yùn)行結(jié)果如圖12.8所示

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-6jRECH46-1639056667672)(OpenCV進(jìn)階篇.assets/image-20211125194637143.png)]

? 圖12.8　圖像膨脹操作“近視眼”效果

12.3　開(kāi)運(yùn)算

開(kāi)運(yùn)算是將圖像先進(jìn)行腐蝕操作，再進(jìn)行膨脹操作。開(kāi)運(yùn)算可以用來(lái)抹除圖像外部的細(xì)節(jié)（或者噪聲）。
例如，圖12.9是一個(gè)簡(jiǎn)單的二叉樹(shù)，父子節(jié)點(diǎn)之間都有線連接。如果對(duì)此圖像進(jìn)行腐蝕操作，可以得出如圖12.10所示的圖像，連接線消失了，節(jié)點(diǎn)也比原圖節(jié)點(diǎn)小一圈。此時(shí)再執(zhí)行膨脹操作，讓縮小的節(jié)點(diǎn)恢復(fù)到原來(lái)的大小，就得到了如圖12.11所示的效果。
這3幅圖就是開(kāi)運(yùn)算的過(guò)程，從結(jié)果中可以明顯地看出：經(jīng)過(guò)開(kāi)運(yùn)算之后，二叉樹(shù)中的連接線消失了，只剩下光禿禿的節(jié)點(diǎn)。因?yàn)檫B接線被核當(dāng)成“細(xì)節(jié)”抹除了，所以利用檢測(cè)輪廓的方法可以統(tǒng)計(jì)二叉樹(shù)節(jié)點(diǎn)數(shù)量，也就是說(shuō)在某些情況下，開(kāi)運(yùn)算的結(jié)果還可以用來(lái)做數(shù)量統(tǒng)計(jì)。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-YkrJfgHY-1639056667672)(OpenCV進(jìn)階篇.assets/image-20211125194659165.png)]

? 圖12.9　簡(jiǎn)單的二叉樹(shù)

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-t738eTGY-1639056667673)(OpenCV進(jìn)階篇.assets/image-20211125194754294.png)]

? 圖12.10　二叉樹(shù)圖像腐蝕之后的效果

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-xWsGyhUT-1639056667673)(OpenCV進(jìn)階篇.assets/image-20211125194813564.png)]

? 圖12.11　對(duì)腐蝕的圖像做膨脹操作

【實(shí)例12.3】　抹除黑種草圖像中的針狀葉子。
黑種草如圖12.12（a）所示，花呈藍(lán)色，葉子像針一樣又細(xì)又長(zhǎng)，呈羽毛狀。要抹除黑種草圖像中的葉子，可以使用5×5的核對(duì)圖像進(jìn)行開(kāi)運(yùn)算。
具體代碼如下：

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-qeCn3dVD-1639056667674)(OpenCV進(jìn)階篇.assets/image-20211125194832293.png)]

上述代碼的運(yùn)行結(jié)果如圖12.12（b）所示，經(jīng)過(guò)開(kāi)運(yùn)算后黑種草圖像雖然略為模糊，但葉子都不見(jiàn)了。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-U09O1HA7-1639056667674)(OpenCV進(jìn)階篇.assets/image-20211125194853964.png)]

? 圖12.12　圖像開(kāi)運(yùn)算效果

12.4　閉運(yùn)算

閉運(yùn)算是將圖像先進(jìn)行膨脹操作，再進(jìn)行腐蝕操作。閉運(yùn)算可以抹除圖像內(nèi)部的細(xì)節(jié)（或者噪聲）。
例如，圖12.13（a）是一個(gè)身上布滿(mǎn)斑點(diǎn)的小蜘蛛，這些斑點(diǎn)就是圖像的內(nèi)部細(xì)節(jié)。先將圖像進(jìn)行膨脹操作，小蜘蛛身上的斑點(diǎn)（包括眼睛）被抹除，效果如圖12.13（b）所示。然后再將圖像進(jìn)行腐蝕操作，膨脹的小蜘蛛恢復(fù)到原來(lái)的大小，效果如圖12.13（c）所示。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-dJY1W62q-1639056667674)(OpenCV進(jìn)階篇.assets/image-20211125194952165.png)]

? 圖12.13　圖像閉運(yùn)算效果
這3幅圖就是閉運(yùn)算的過(guò)程，從結(jié)果中可以明顯地看出：經(jīng)過(guò)閉運(yùn)算后，小蜘蛛身上的花紋都被抹除了，就連眼睛也被當(dāng)成“細(xì)節(jié)”抹除了。
閉運(yùn)算除了會(huì)抹除圖像內(nèi)部的細(xì)節(jié)，還會(huì)讓一些離得較近的區(qū)域合并成一塊區(qū)域。

【實(shí)例12.4】　對(duì)漢字圖片進(jìn)行閉運(yùn)算。
使用15×15的核對(duì)圖12.14（a）做閉運(yùn)算。因?yàn)槭褂玫暮吮容^大，很容易導(dǎo)致一些間隔較近的區(qū)域合并到一起，觀察閉運(yùn)算對(duì)漢字圖片造成了哪些影響。
具體代碼如下：

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-OT67bYso-1639056667675)(OpenCV進(jìn)階篇.assets/image-20211125195012305.png)]

上述代碼的運(yùn)行結(jié)果如圖12.14（b）所示，“田”字經(jīng)過(guò)閉運(yùn)算之后沒(méi)有多大變化，但是“野”字經(jīng)過(guò)閉運(yùn)算之后，許多獨(dú)立的區(qū)域因膨脹操作合并到一起，導(dǎo)致文字很難辨認(rèn)。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-IJSR1zTJ-1639056667675)(OpenCV進(jìn)階篇.assets/image-20211125195103765.png)]

? 圖12.14　漢字圖片閉運(yùn)算效果

12.5　形態(tài)學(xué)運(yùn)算

腐蝕和膨脹是形態(tài)學(xué)的基礎(chǔ)操作，除了開(kāi)運(yùn)算和閉運(yùn)算以外，形態(tài)學(xué)中還有幾種比較有特點(diǎn)的運(yùn)算。OpenCV提供了一個(gè)morphologyEx()形態(tài)學(xué)方法，包含所有常用的運(yùn)算，其語(yǔ)法如下：

dst = cv2.morphologyEx(src, op, kernel, anchor, iterations, borderType, borderValue)

參數(shù)說(shuō)明：

src：原始圖像。

op：操作類(lèi)型，具體值如表12.1所示。

? 表12.1　形態(tài)學(xué)函數(shù)的操作類(lèi)型參數(shù)

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-c0vMUxGs-1639056667675)(OpenCV進(jìn)階篇.assets/image-20211125195140684.png)]

kernel：操作過(guò)程中使用的核。

anchor：可選參數(shù)，核的錨點(diǎn)位置。

iterations：可選參數(shù)，迭代次數(shù)，默認(rèn)值為1。

borderType：可選參數(shù)，邊界樣式，建議默認(rèn)。

borderValue：可選參數(shù)，邊界值，建議默認(rèn)。

返回值說(shuō)明：

dst：操作之后得到的圖像。
morphologyEx()方法實(shí)現(xiàn)的腐蝕、膨脹、開(kāi)運(yùn)算和閉運(yùn)算效果與前文中介紹的效果完全一致，本節(jié)不再贅述，下面將介紹3個(gè)特點(diǎn)鮮明的操作：梯度運(yùn)算、頂帽運(yùn)算和黑帽運(yùn)算。

12.5.1　梯度運(yùn)算

這里的梯度是指圖像梯度，可以簡(jiǎn)單地理解為像素的變化程度。如果幾個(gè)連續(xù)的像素，其像素值跨度越大，則梯度值越大。
梯度運(yùn)算的運(yùn)算過(guò)程如圖12.15所示，讓原圖的膨脹圖減原圖的腐蝕圖。因?yàn)榕蛎泩D比原圖大，腐蝕圖比原圖小，利用腐蝕圖將膨脹圖掏空，就得到了原圖的輪廓圖。說(shuō)明
梯度運(yùn)算中得到的輪廓圖只是一個(gè)大概輪廓，不精準(zhǔn)。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-9RG8msPp-1639056667675)(OpenCV進(jìn)階篇.assets/image-20211125195234243.png)]

? 圖12.15　梯度運(yùn)算過(guò)程
梯度運(yùn)算的參數(shù)為cv2.MORPH_GRADIENT，下面通過(guò)一段代碼實(shí)現(xiàn)圖12.15的效果。

【實(shí)例12.5】　通過(guò)梯度運(yùn)算畫(huà)出小蜘蛛的輪廓。
使用5×5的核對(duì)小蜘蛛圖像進(jìn)行形態(tài)學(xué)梯度運(yùn)算，具體代碼如下：

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-SSqR60Jr-1639056667676)(OpenCV進(jìn)階篇.assets/image-20211125195253240.png)]

上述代碼的運(yùn)行結(jié)果如圖12.16所示。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-8CM681z9-1639056667676)(OpenCV進(jìn)階篇.assets/image-20211125195322974.png)]

? 圖12.16　圖像梯度運(yùn)算效果

12.5.2　頂帽運(yùn)算

頂帽運(yùn)算的運(yùn)算過(guò)程如圖12.17所示，讓原圖減原圖的開(kāi)運(yùn)算圖。因?yàn)殚_(kāi)運(yùn)算抹除圖像的外部細(xì)節(jié)，“有外部細(xì)節(jié)”的圖像減去“無(wú)外部細(xì)節(jié)”的圖像，得到的結(jié)果就只剩外部細(xì)節(jié)了，所以經(jīng)過(guò)頂帽運(yùn)算之后，小蜘蛛就只剩蜘蛛腿了。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-RoatuBnE-1639056667676)(OpenCV進(jìn)階篇.assets/image-20211125195410644.png)]

? 圖12.17　頂帽運(yùn)算過(guò)程
頂帽運(yùn)算的參數(shù)為cv2.MORPH_TOPHA，下面通過(guò)一段代碼實(shí)現(xiàn)圖12.18的效果。

【實(shí)例12.6】　通過(guò)頂帽運(yùn)算畫(huà)出小蜘蛛的腿。
使用5×5的核對(duì)小蜘蛛圖像進(jìn)行頂帽運(yùn)算，具體代碼如下：

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-yaO8QMaA-1639056667676)(OpenCV進(jìn)階篇.assets/image-20211125195435250.png)]

上述代碼的運(yùn)算結(jié)果如圖12.18所示。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-FR02XNbh-1639056667677)(OpenCV進(jìn)階篇.assets/image-20211125195455237.png)]

? 圖12.18　圖像開(kāi)運(yùn)算效果

12.5.3　黑帽運(yùn)算

黑帽運(yùn)算的運(yùn)算過(guò)程如圖12.19所示，讓原圖的閉運(yùn)算圖減去原圖。因?yàn)殚]運(yùn)算抹除圖像的內(nèi)部細(xì)節(jié)，“無(wú)內(nèi)部細(xì)節(jié)”的圖像減去“有內(nèi)部細(xì)節(jié)”的圖像，得到的結(jié)果就只剩內(nèi)部細(xì)節(jié)了，所以經(jīng)過(guò)黑帽運(yùn)算之后，小蜘蛛就只剩下斑點(diǎn)、花紋和眼睛了。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-1t8NX17P-1639056667677)(OpenCV進(jìn)階篇.assets/image-20211125195549507.png)]

? 圖12.19　黑帽運(yùn)算過(guò)程
黑帽運(yùn)算的參數(shù)為cv2.MORPH_BLACKHAT，下面通過(guò)一段代碼實(shí)現(xiàn)圖12.19的效果。

【實(shí)例12.7】　通過(guò)黑帽運(yùn)算畫(huà)出小蜘蛛身上的花紋。
使用5×5的核對(duì)小蜘蛛圖像進(jìn)行黑帽運(yùn)算，具體代碼如下：

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-ltjMfK0C-1639056667677)(OpenCV進(jìn)階篇.assets/image-20211125195624673.png)]

上述代碼的運(yùn)行結(jié)果如圖20所示。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-xWZgHmTZ-1639056667678)(OpenCV進(jìn)階篇.assets/image-20211125195644815.png)]

? 圖12.20　圖像黑帽運(yùn)算效果

12.6　小結(jié)

本章介紹的基礎(chǔ)內(nèi)容是腐蝕和膨脹。讀者掌握了其用法，就能輕而易舉地實(shí)現(xiàn)開(kāi)運(yùn)算和閉運(yùn)算。其中，開(kāi)運(yùn)算是對(duì)圖像先進(jìn)行腐蝕操作，再進(jìn)行膨脹操作，其作用是抹除圖像外部的細(xì)節(jié)；而閉運(yùn)算是對(duì)圖像先進(jìn)行膨脹操作，再進(jìn)行腐蝕操作，其作用是抹除圖像內(nèi)部的細(xì)節(jié)。此外，形態(tài)學(xué)運(yùn)算也是構(gòu)建在腐蝕和膨脹的基礎(chǔ)上的。其中，梯度運(yùn)算是讓原圖的膨脹圖減原圖的腐蝕圖，得到的結(jié)果是原圖的輪廓；頂帽運(yùn)算是讓原圖減原圖的開(kāi)運(yùn)算圖，得到的結(jié)果是圖像的外部細(xì)節(jié)；黑帽運(yùn)算是讓原圖的閉運(yùn)算圖減去原圖，得到的結(jié)果是圖像的內(nèi)部細(xì)節(jié)。

第13章　圖形檢測(cè)

圖形檢測(cè)是計(jì)算機(jī)視覺(jué)的一項(xiàng)重要功能。通過(guò)圖形檢測(cè)可以分析圖像中可能存在的形狀，然后對(duì)這些形狀進(jìn)行描繪，如搜索并繪制圖像的邊緣，定位圖像的位置，判斷圖像中有沒(méi)有直線、圓形等。雖然圖形檢測(cè)涉及非常深?yuàn)W的數(shù)學(xué)算法，但OpenCV已經(jīng)將這些算法封裝成簡(jiǎn)單的方法，開(kāi)發(fā)者只要學(xué)會(huì)如何調(diào)用方法、調(diào)整參數(shù)即可很好地實(shí)現(xiàn)檢測(cè)功能。
本章將介紹如何檢測(cè)圖像的形狀、圖像所占的區(qū)域，以及如何查找圖像中出現(xiàn)的幾何圖形等。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-JYC0QiOt-1639056667678)(OpenCV進(jìn)階篇.assets/image-20211125195758972.png)]

13.1　圖像的輪廓

輪廓是指圖像中圖形或物體的外邊緣線條。簡(jiǎn)單的幾何圖形輪廓是由平滑的線構(gòu)成的，容易識(shí)別，但不規(guī)則圖形的輪廓可能由許多個(gè)點(diǎn)構(gòu)成，識(shí)別起來(lái)比較困難。
OpenCV提供的findContours()方法可以通過(guò)計(jì)算圖像梯度來(lái)判斷圖像的邊緣，然后將邊緣的點(diǎn)封裝成數(shù)組返回。findContours()方法的語(yǔ)法如下：

contours, hierarchy = cv2.findContours(image, mode, methode)

參數(shù)說(shuō)明：

image：被檢測(cè)的圖像，必須是8位單通道二值圖像。如果原始圖像是彩色圖像，必須轉(zhuǎn)為灰度圖像，并經(jīng)過(guò)二值化處理。

mode：輪廓的檢索模式，具體值如表13.1所示。

? 表13.1　輪廓的檢索模式參數(shù)值

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-qNkaxOlL-1639056667678)(OpenCV進(jìn)階篇.assets/image-20211125195942347.png)]

methode：

檢測(cè)輪廓時(shí)使用的方法，具體值如表13.2所示。

? 表13.2　檢測(cè)輪廓時(shí)使用的方法

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-FtXHcMFq-1639056667679)(OpenCV進(jìn)階篇.assets/image-20211125200003759.png)]

返回值說(shuō)明：

contours：檢測(cè)出的所有輪廓，list類(lèi)型，每一個(gè)元素都是某個(gè)輪廓的像素坐標(biāo)數(shù)組。

hierarchy：輪廓之間的層次關(guān)系。
通過(guò)findContours()方法找到圖像輪廓后，為了方便開(kāi)發(fā)人員觀測(cè)，最好能把輪廓畫(huà)出來(lái)，于是OpenCV提供了drawContours()方法用來(lái)繪制這些輪廓。drawContours()方法的語(yǔ)法如下：

image = cv2.drawContours(image, contours, contourIdx, color, thickness, lineTypee, hierarchy, maxLevel, offse)

參數(shù)說(shuō)明：

image：被繪制輪廓的原始圖像，可以是多通道圖像。

contours：findContours()方法得出的輪廓列表。

contourIdx：繪制輪廓的索引，如果為-1則繪制所有輪廓。

color：繪制顏色，使用BGR格式。

thickness：可選參數(shù)，畫(huà)筆的粗細(xì)程度，如果該值為-1則繪制實(shí)心輪廓。

lineTypee：可選參數(shù)，繪制輪廓的線型。

hierarchy：可選參數(shù)，findContours()方法得出的層次關(guān)系。

maxLevel：可選參數(shù)，繪制輪廓的層次深度，最深繪制第maxLevel層。

offse：可選參數(shù)，偏移量，可以改變繪制結(jié)果的位置。

返回值說(shuō)明：

image：同參數(shù)中的image，執(zhí)行后原始圖中就包含繪制的輪廓了，可以不使用此返回值保存結(jié)果。

【實(shí)例13.1】　繪制幾何圖像的輪廓。
將如圖13.1所示的幾何圖像轉(zhuǎn)換成二值灰度圖像，然后通過(guò)findContours()方法找到出現(xiàn)的所有輪廓，再通過(guò)drawContours()方法將這些輪廓繪制成紅色。輪廓的檢索模式采用cv2.RETR_LIST，檢測(cè)方法采用cv2.CHAIN_APPROX_NONE。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-qoQuxdG7-1639056667679)(OpenCV進(jìn)階篇.assets/image-20211125200104772.png)]

? 圖13.1　簡(jiǎn)單的幾何圖像
具體代碼如下：

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-GVu7lQDW-1639056667679)(OpenCV進(jìn)階篇.assets/image-20211125200222796.png)]

上述代碼的運(yùn)行結(jié)果如圖13.2所示。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-zu2xuce4-1639056667680)(OpenCV進(jìn)階篇.assets/image-20211125200313470.png)]

? 圖13.2　繪制全部輪廓

如果使用cv2.RETR_EXTERNAL做參數(shù)則只繪制外輪廓，關(guān)鍵代碼如下：

contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)cv2.drawContours(img, contours, -1, (0, 0, 255), 5)

繪制輪廓的效果如圖13.3所示。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-uJDxZ11d-1639056667680)(OpenCV進(jìn)階篇.assets/image-20211125200347818.png)]

? 圖13.3　只繪制外輪廓的效果

drawContours()方法的第3個(gè)參數(shù)可以指定繪制哪個(gè)索引的輪廓。索引的順序由輪廓的檢索模式?jīng)Q定，例如cv2.RETR_CCOMP模式下繪制索引為0的輪廓的關(guān)鍵代碼如下：

contours, hierarchy = cv2.findContours(binary, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_NONE)cv2.drawContours(img, contours, 0, (0, 0, 255), 5)

在同樣的檢索模式下，繪制索引為1的輪廓的關(guān)鍵代碼如下：

cv2.drawContours(img, contours, 1, (0, 0, 255), 5)

繪制索引為2的輪廓的關(guān)鍵代碼如下：

cv2.drawContours(img, contours, 2, (0, 0, 255), 5)

繪制索引為3的輪廓的關(guān)鍵代碼如下：

cv2.drawContours(img, contours, 3, (0, 0, 255), 5)

繪制的效果如圖13.4～圖13.7所示。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-joBl7KiJ-1639056667680)(OpenCV進(jìn)階篇.assets/image-20211125200419734.png)]

? 圖13.4　繪制索引為0的輪廓

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-Uo0Ak2Rq-1639056667680)(OpenCV進(jìn)階篇.assets/image-20211125200519831.png)]

? 圖13.5　繪制索引為1的輪廓

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-Imm4zAV7-1639056667681)(OpenCV進(jìn)階篇.assets/image-20211125200538416.png)]

? 圖13.6　繪制索引為2的輪廓

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-LqxeG8sq-1639056667681)(OpenCV進(jìn)階篇.assets/image-20211125200557884.png)]

? 圖13.7　繪制索引為3的輪廓

【實(shí)例13.2】　繪制花朵的輪廓。
為圖13.8（a）所示的花朵圖像繪制輪廓，首先要降低圖像中的噪聲干擾，進(jìn)行濾波處理，然后將圖像處理成二值灰度圖像，并檢測(cè)出輪廓，最后利用繪制輪廓的方法在原始圖像中繪制輪廓。
具體代碼如下：

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-tZT13iZD-1639056667681)(OpenCV進(jìn)階篇.assets/image-20211125200623625.png)]

上述代碼的運(yùn)行結(jié)果如圖13.8（b）和圖13.8（c）所示。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-6jKwXXgp-1639056667681)(OpenCV進(jìn)階篇.assets/image-20211125200704091.png)]

? 圖12.8　繪制花朵輪廓效果

13.2　輪廓擬合

擬合是指將平面上的一系列點(diǎn)，用一條光滑的曲線連接起來(lái)。輪廓的擬合就是將凹凸不平的輪廓用平整的幾何圖形體現(xiàn)出來(lái)。本節(jié)將介紹如何按照輪廓繪制矩形包圍框和圓形包圍框。

13.2.1　矩形包圍框

矩形包圍框是指圖像輪廓的最小矩形邊界。OpenCV提供的boundingRect()方法可以自動(dòng)計(jì)算輪廓最小矩形邊界的坐標(biāo)、寬和高。boundingRect()方法的語(yǔ)法如下：

retval = cv2.boundingRect (array)

參數(shù)說(shuō)明：

array：輪廓數(shù)組。

返回值說(shuō)明：

retval：元組類(lèi)型，包含4個(gè)整數(shù)值，分別是最小矩形包圍框的：左上角頂點(diǎn)的橫坐標(biāo)、左上角頂點(diǎn)的縱坐標(biāo)、矩形的寬和高。所以也可以寫(xiě)成x, y, w, h = cv2.boundingRect (array)的形式。

【實(shí)例13.3】　為爆炸圖形繪制矩形包圍框。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-33Gu2NPs-1639056667682)(OpenCV進(jìn)階篇.assets/image-20211125200758268.png)]

? 圖13.9　爆炸圖形
為圖13.9所示的爆炸圖形繪制矩形包圍框，首先判斷圖形的輪廓，使用cv2.RETR_LIST檢索所有輪廓，使用cv2.CHAIN_APPROX_SIMPLE檢索圖形所有的端點(diǎn)，然后利用cv2.boundingRect()方法計(jì)算最小矩形包圍框，并通過(guò)cv2.rectangle()方法將這個(gè)矩形繪制出來(lái)，具體代碼如下：

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-tWLwMjpH-1639056667682)(OpenCV進(jìn)階篇.assets/image-20211125200901021.png)]

上述代碼的運(yùn)行結(jié)果如圖13.10所示。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-etKSYUkz-1639056667682)(OpenCV進(jìn)階篇.assets/image-20211125200917139.png)]

? 圖13.10　爆炸圖形的最小矩形包圍框

13.2.2　圓形包圍框

圓形包圍框與矩形包圍框一樣，是圖像輪廓的最小圓形邊界。OpenCV提供的minEnclosingCircle ()方法可以自動(dòng)計(jì)算輪廓最小圓形邊界的圓心和半徑。minEnclosingCircle()方法的語(yǔ)法如下：

center, radius = cv2.minEnclosingCircle(points)

參數(shù)說(shuō)明：

points：輪廓數(shù)組。

返回值說(shuō)明：

center：元組類(lèi)型，包含2個(gè)浮點(diǎn)值，是最小圓形包圍框圓心的橫坐標(biāo)和縱坐標(biāo)。

radius：浮點(diǎn)類(lèi)型，最小圓形包圍框的半徑。

【實(shí)例13.4】　為爆炸圖形繪制圓形包圍框。
為圖13.9所示的爆炸圖形繪制矩形包圍框，首先判斷圖形的輪廓，使用cv2.RETR_LIST檢索所有輪廓，使用cv2.CHAIN_APPROX_SIMPLE檢索圖形所有的端點(diǎn)，然后利用cv2. minEnclosingCircle()方法計(jì)算最小圓形包圍框，并通過(guò)cv2.circle()方法將這個(gè)矩形繪制出來(lái)。繪制過(guò)程中要注意：圓心坐標(biāo)和圓半徑都是浮點(diǎn)數(shù)，在繪制之前要將浮點(diǎn)數(shù)轉(zhuǎn)換成整數(shù)。
具體代碼如下：

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-YzrmTuZM-1639056667682)(OpenCV進(jìn)階篇.assets/image-20211125201112737.png)]

上述代碼的運(yùn)行結(jié)果如圖13.11所示。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-AtkeyrKl-1639056667683)(OpenCV進(jìn)階篇.assets/image-20211125201129231.png)]

? 圖13.11　爆炸圖形的最小圓形包圍框

13.3　凸包

之前介紹了矩形包圍框和圓形包圍框，這2種包圍框雖然已經(jīng)逼近了圖形的邊緣，但這種包圍框?yàn)榱吮３謳缀涡螤?#xff0c;與圖形的真實(shí)輪廓貼合度較差。如果能找出圖形最外層的端點(diǎn)，將這些端點(diǎn)連接起來(lái)，就可以圍出一個(gè)包圍圖形的最小包圍框，這種包圍框叫凸包。
凸包是最逼近輪廓的多邊形，凸包的每一處都是凸出來(lái)的，也就是任意3個(gè)點(diǎn)組成的內(nèi)角均小于180°。例如，圖13.12就是凸包，而圖13.13就不是凸包。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-mNC1DLll-1639056667683)(OpenCV進(jìn)階篇.assets/image-20211125205558522.png)]

? 圖13.12　凸包

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-unNcebF6-1639056667683)(OpenCV進(jìn)階篇.assets/image-20211125205619316.png)]

? 圖13.13　不是凸包
OpenCV提供的convexHull()方法可以自動(dòng)找出輪廓的凸包，該方法的語(yǔ)法如下：

hull = cv2.convexHull(points, clockwise, returnPoints)

參數(shù)說(shuō)明：

points：輪廓數(shù)組。

clockwise：可選參數(shù)，布爾類(lèi)型。當(dāng)該值為T(mén)rue時(shí)，凸包中的點(diǎn)按順時(shí)針排列，為False時(shí)按逆時(shí)針排列。

returnPoints：可選參數(shù)，布爾類(lèi)型。當(dāng)該值為T(mén)rue時(shí)返回點(diǎn)坐標(biāo)，為False時(shí)返回點(diǎn)索引。默認(rèn)值為T(mén)rue。

返回值說(shuō)明：

hull：凸包的點(diǎn)陣數(shù)組。
下面通過(guò)一個(gè)例子演示如何繪制凸包。

【實(shí)例13.5】　為爆炸圖形繪制凸包。
為圖13.9所示的爆炸圖形繪制凸包，首先要先判斷圖形的輪廓，使用cv2.RETR_LIST檢索出圖形的輪廓，然后使用convexHull()方法找到輪廓的凸包，最后通過(guò)polylines()方法將凸包中各點(diǎn)連接起來(lái)，具體代碼如下：

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-fXnYMX4E-1639056667683)(OpenCV進(jìn)階篇.assets/image-20211125205730374.png)]

上述代碼的運(yùn)行結(jié)果如圖13.14所示。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-mYOH2dGc-1639056667684)(OpenCV進(jìn)階篇.assets/image-20211125205746309.png)]

? 圖13.14　爆炸圖形的凸包

13.4　Canny邊緣檢測(cè)

Canny邊緣檢測(cè)算法是John F. Canny于1986年開(kāi)發(fā)的一個(gè)多級(jí)邊緣檢測(cè)算法，該算法根據(jù)像素的梯度變化尋找圖像邊緣，最終可以繪制十分精細(xì)的二值邊緣圖像。
OpenCV將Canny邊緣檢測(cè)算法封裝在Canny()方法中，該方法的語(yǔ)法如下：

edges = cv2.Canny(image, threshold1, threshold2, apertureSize, L2gradient)

參數(shù)說(shuō)明：

image：檢測(cè)的原始圖像。

threshold1：計(jì)算過(guò)程中使用的第一個(gè)閾值，可以是最小閾值，也可以是最大閾值，通常用來(lái)設(shè)置最小閾值。

threshold2：計(jì)算過(guò)程中使用的第二個(gè)閾值，通常用來(lái)設(shè)置最大閾值。

apertureSize：可選參數(shù)，Sobel算子的孔徑大小。

L2gradient：可選參數(shù)，計(jì)算圖像梯度的標(biāo)識(shí)，默認(rèn)值為False。值為T(mén)rue時(shí)采用更精準(zhǔn)的算法進(jìn)行計(jì)算。

返回值說(shuō)明：

edges：計(jì)算后得出的邊緣圖像，是一個(gè)二值灰度圖像。

在開(kāi)發(fā)過(guò)程中可以通過(guò)調(diào)整最小閾值和最大閾值控制邊緣檢測(cè)的精細(xì)程度。當(dāng)2個(gè)閾值都較小時(shí)，檢測(cè)出較多的細(xì)節(jié)；當(dāng)2個(gè)閾值都較大時(shí)，忽略較多的細(xì)節(jié)。

【實(shí)例13.6】　使用Canny算法檢測(cè)花朵邊緣。
利用Canny()方法檢測(cè)圖13.15（a）所示的花朵圖像，分別使用10和50、100和200、400和600作為最低閾值和最高閾值檢測(cè)3次，具體代碼如下：

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-VlzQPJtu-1639056667684)(OpenCV進(jìn)階篇.assets/image-20211125205855069.png)]

上述代碼的運(yùn)行結(jié)果如圖13.15所示，閾值越小，檢測(cè)出的邊緣越多；閾值越大，檢測(cè)出的邊緣越少，只能檢測(cè)出一些較明顯的邊緣。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-HhX1WPA5-1639056667684)(OpenCV進(jìn)階篇.assets/image-20211125205918990.png)]

? 圖13.15　圖像Canny檢測(cè)效果

13.5　霍夫變換

霍夫變換是一種特征檢測(cè)，通過(guò)算法識(shí)別圖像的特征，從而判斷圖像中的特殊形狀，例如直線和圓。本節(jié)將介紹如何檢測(cè)圖像中的直線和圓。

13.5.1　直線檢測(cè)

霍夫直線變換是通過(guò)霍夫坐標(biāo)系的直線與笛卡兒坐標(biāo)系的點(diǎn)之間的映射關(guān)系來(lái)判斷圖像中的點(diǎn)是否構(gòu)成直線。OpenCV將此算法封裝成兩個(gè)方法，分別是cv2.HoughLines()和cv2.HoughLinesP()，前者用于檢測(cè)無(wú)限延長(zhǎng)的直線，后者用于檢測(cè)線段。本節(jié)僅介紹比較常用的HoughLinesP()方法。
HoughLinesP()方法名稱(chēng)最后有一個(gè)大寫(xiě)的P，該方法只能檢測(cè)二值灰度圖像，也就是只有兩種像素值的黑白圖像。該方法最后把找出的所有線段的兩個(gè)端點(diǎn)坐標(biāo)保存成一個(gè)數(shù)組。
HoughLinesP()方法的語(yǔ)法如下：

lines = cv2.HoughLinesP(image, rho, theta, threshold, minLineLength, maxLineGap)

參數(shù)說(shuō)明：

image：檢測(cè)的原始圖像。

rho：檢測(cè)直線使用的半徑步長(zhǎng)，值為1時(shí)，表示檢測(cè)所有可能的半徑步長(zhǎng)。

theta：搜索直線的角度，值為π/180°時(shí)，表示檢測(cè)所有角度。

threshold：閾值，該值越小，檢測(cè)出的直線就越多。

minLineLength：線段的最小長(zhǎng)度，小于該長(zhǎng)度的線段不記錄到結(jié)果中。

maxLineGap：線段之間的最小距離。

返回值說(shuō)明：

lines：一個(gè)數(shù)組，元素為所有檢測(cè)出的線段，每條線段是一個(gè)數(shù)組，代表線段兩個(gè)端點(diǎn)的橫、縱坐標(biāo)，格式為[[[x1, y1, x2, y2], [x1, y1, x2, y2]]]。注意
使用該方法前應(yīng)該為原始圖像進(jìn)行降噪處理，否則會(huì)影響檢測(cè)結(jié)果。

【實(shí)例13.7】　檢測(cè)筆圖像中出現(xiàn)的直線。

檢測(cè)如圖13.16所示的中性筆照片，先將圖像降噪，再對(duì)圖像進(jìn)行邊緣檢測(cè)，然后利用HoughLinesP()方法找出邊緣圖像中的直線線段，最后用cv2.line()方法將找出的線段繪制成紅色。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-HFJnv0up-1639056667684)(OpenCV進(jìn)階篇.assets/image-20211125210047560.png)]

? 圖13.16　筆圖像
具體代碼如下：

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-F9KRDuUR-1639056667685)(OpenCV進(jìn)階篇.assets/image-20211126130401949.png)]

上述代碼的運(yùn)行結(jié)果如圖13.17和圖13.18所示。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-NvCq8Qur-1639056667685)(OpenCV進(jìn)階篇.assets/image-20211126130420890.png)]

? 圖13.17　筆圖像的邊緣檢測(cè)結(jié)果

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-EVYlpSW6-1639056667685)(OpenCV進(jìn)階篇.assets/image-20211126130515954.png)]

? 圖13.18　將筆圖像中檢測(cè)出的線段描紅

13.5.2　圓環(huán)檢測(cè)

霍夫圓環(huán)變換的原理與霍夫直線變換類(lèi)似。OpenCV提供的HoughCircles()方法用于檢測(cè)圖像中的圓環(huán)，該方法在檢測(cè)過(guò)程中進(jìn)行兩輪篩選：第一輪篩選找出可能是圓的圓心坐標(biāo)，第二輪篩選計(jì)算這些圓心坐標(biāo)可能對(duì)應(yīng)的半徑長(zhǎng)度。該方法最后將圓心坐標(biāo)和半徑封裝成一個(gè)浮點(diǎn)型數(shù)組。
HoughCircles()方法的語(yǔ)法如下：

circles = cv2.HoughCircles(image, method, dp, minDist, param1, param2, minRadius, maxRadius)

參數(shù)說(shuō)明：

image：檢測(cè)的原始圖像。

method：檢測(cè)方法，OpenCV 4.0.0及以前版本僅提供了cv2.HOUGH_GRADIENT作為唯一可用方法。

dp：累加器分辨率與原始圖像分辨率之比的倒數(shù)。值為1時(shí)，累加器與原始圖像具有相同的分辨率；值為2時(shí)，累加器的分辨率為原始圖像的1/2。通常使用1作為參數(shù)。

minDist：圓心之間的最小距離。

param1：可選參數(shù)，Canny邊緣檢測(cè)使用的最大閾值。

param2：可選參數(shù)，檢測(cè)圓環(huán)結(jié)果的投票數(shù)。第一輪篩選時(shí)投票數(shù)超過(guò)該值的圓環(huán)才會(huì)進(jìn)入第二輪篩選。值越大，檢測(cè)出的圓環(huán)越少，但越精準(zhǔn)。

minRadius：可選參數(shù)，圓環(huán)的最小半徑。

maxRadius：可選參數(shù)，圓環(huán)的最大半徑。

返回值說(shuō)明：

circles：一個(gè)數(shù)組，元素為所有檢測(cè)出的圓環(huán)，每個(gè)圓環(huán)也是一個(gè)數(shù)組，內(nèi)容為圓心的橫、縱坐標(biāo)和半徑長(zhǎng)度，格式為：[[[x1 ,y1, r1], [x2 ,y2, r2]]]。

注意
使用該方法前應(yīng)該為原始圖像進(jìn)行降噪處理，否則會(huì)影響檢測(cè)結(jié)果。

【實(shí)例13.8】　檢測(cè)硬幣圖像中出現(xiàn)的圓環(huán)。
檢測(cè)如圖13.19所示的硬幣照片，先將圖像降噪，再將圖像變成單通道灰度圖像，然后利用HoughCircles()方法檢測(cè)圖像中可能是圓環(huán)的位置，最后通過(guò)cv2.circle()方法在這些位置上繪制圓環(huán)和對(duì)應(yīng)的圓心。在繪制圓環(huán)之前，要將HoughCircles()方法返回的浮點(diǎn)數(shù)組元素轉(zhuǎn)換成整數(shù)。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-vSo6G25X-1639056667685)(OpenCV進(jìn)階篇.assets/image-20211126130634358.png)]

? 圖13.19　硬幣圖像
具體代碼如下：

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-871ibjzo-1639056667686)(OpenCV進(jìn)階篇.assets/image-20211126130715358.png)]

上述代碼的運(yùn)行結(jié)果如圖13.20所示。

[外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-LLHdzygi-1639056667686)(OpenCV進(jìn)階篇.assets/image-20211126130658457.png)]

? 圖13.20　檢測(cè)出的圓環(huán)位置

13.6　小結(jié)

圖像輪廓指的是將圖像的邊緣連接起來(lái)形成的一個(gè)整體，它是圖像的一個(gè)重要的特征信息，通過(guò)對(duì)圖像的輪廓進(jìn)行操作，能夠得到這幅圖像的大小、位置和方向等信息，用于后續(xù)的計(jì)算。為此，OpenCV提供了findContours()方法，通過(guò)計(jì)算圖像的梯度，判斷圖像的輪廓。為了繪制圖像的輪廓，OpenCV又提供了drawContours()方法。但需要注意的是，Canny()方法雖然能夠檢測(cè)出圖像的邊緣，但這個(gè)邊緣是不連續(xù)的。

總結(jié)

以上是生活随笔為你收集整理的OpenCV进阶篇的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。