2. 輪廓檢測(cè)

檢測(cè)輪廓后，計(jì)算輪廓區(qū)域的圖像矩；獲取輪廓的中心；并繪制在圖像上；

在計(jì)算機(jī)視覺(jué)和圖像處理中，圖像矩 通常用于表征圖像中對(duì)象的形狀。這些力矩捕獲了形狀的基本統(tǒng)計(jì)特性，包括對(duì)象的面積，質(zhì)心（即對(duì)象的中心（x，y）坐標(biāo)），方向以及其他所需的特性。對(duì)于處理分隔后的圖像尤其有用；

# python center_of_shape.py --image shapes_and_colors.png# 導(dǎo)入必要的包
import argparse
import imutils
import cv2# 構(gòu)建命令行參數(shù)
# --image 要處理的圖像路徑
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required=True,help="path to the input image")
args = vars(ap.parse_args())# 加載圖像，轉(zhuǎn)換為灰度，使用5 x 5內(nèi)核進(jìn)行高斯平滑處理，閾值化
image = cv2.imread(args["image"])
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
thresh = cv2.threshold(blurred, 60, 255, cv2.THRESH_BINARY)[1]# 注意，在應(yīng)用閾值化之后，形狀是如何在黑色背景上表示為白色前景。
# 下一步是使用輪廓檢測(cè)??找到這些白色區(qū)域的位置：
cnts = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
cnts = imutils.grab_contours(cnts)# 遍歷輪廓集
for c in cnts:# 計(jì)算輪廓區(qū)域的圖像矩。 在計(jì)算機(jī)視覺(jué)和圖像處理中，圖像矩通常用于表征圖像中對(duì)象的形狀。這些力矩捕獲了形狀的基本統(tǒng)計(jì)特性，包括對(duì)象的面積，質(zhì)心（即，對(duì)象的中心（x，y）坐標(biāo)），方向以及其他所需的特性。M = cv2.moments(c)cX = int(M["m10"] / M["m00"])cY = int(M["m01"] / M["m00"])# 在圖像上繪制輪廓及中心cv2.drawContours(image, [c], -1, (0, 255, 0), 2)cv2.circle(image, (cX, cY), 7, (255, 255, 255), -1)cv2.putText(image, "center", (cX - 20, cY - 20),cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255), 2)# 展示圖像cv2.imshow("Image", image)cv2.waitKey(0)

參考：

• https://www.pyimagesearch.com/2016/02/01/opencv-center-of-contour/

總結(jié)

以上是生活随笔為你收集整理的使用Python、OpenCV计算轮廓的中心的全部?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。