git：https://github.com/linyi0604/Computer-Vision
# coding:utf8
import cv2 import numpy as np # 读入图像
img = cv2.imread("../data/mm1.jpg", cv2.IMREAD_UNCHANGED) # 转化为分别率更低的图像
img = cv2.pyrDown(img) # 二值化， 黑白二值化
ret, thresh = cv2.threshold( cv2.cvtColor(img.copy(), cv2.COLOR_BGR2GRAY), # 转换为灰度图像,
127, 255, # 大于127的改为255 否则改为0
cv2.THRESH_BINARY) # 黑白二值化
""" ret, dst = cv2.threshold(src, thresh, value, type) 参数: src: 原图像 thresh: 阈值 value: 新值 大于或小于阈值的值将赋新值 type: 方法类型，有如下取值： cv2.THRESH_BINARY 黑白二值 cv2.THRESH_BINARY_INV 黑白二值翻转 cv2.THRESH_TRUNC 得到多像素值 cv2.THRESH_TOZERO cv2.THRESH_TOZERO_INV 返回值： ret: 得到的阈值值 dst: 阈值化后的图像 """
# 搜索轮廓
image, contours, hierarchy = cv2.findContours( thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) """ cv.findContours() 参数： 1 要寻找轮廓的图像 只能传入二值图像，不是灰度图像 2 轮廓的检索模式，有四种： cv2.RETR_EXTERNAL表示只检测外轮廓 cv2.RETR_LIST检测的轮廓不建立等级关系 cv2.RETR_CCOMP建立两个等级的轮廓，上面的一层为外边界， 里面的一层为内孔的边界信息。 如果内孔内还有一个连通物体，这个物体的边界也在顶层 cv2.RETR_TREE建立一个等级树结构的轮廓 3 轮廓的近似办法 cv2.CHAIN_APPROX_NONE存储所有的轮廓点， 相邻的两个点的像素位置差不超过1， 即max（abs（x1-x2），abs（y2-y1））==1 cv2.CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素， 只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息 返回值: contours:一个列表，每一项都是一个轮廓， 不会存储轮廓所有的点，只存储能描述轮廓的点 hierarchy:一个ndarray, 元素数量和轮廓数量一样， 每个轮廓contours[i]对应4个hierarchy元素hierarchy[i][0] ~hierarchy[i][3]， 分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号，如果没有对应项，则该值为负数 """
for c in contours: x, y, w, h = cv2.boundingRect(c) """ 传入一个轮廓图像，返回 x y 是左上角的点， w和h是矩形边框的宽度和高度 """ cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2) """ 画出矩形 img 是要画出轮廓的原图 (x, y) 是左上角点的坐标 (x+w, y+h) 是右下角的坐标 0,255,0）是画线对应的rgb颜色 2 是画出线的宽度 """
# 获得最小的矩形轮廓 可能带旋转角度
rect = cv2.minAreaRect(c) # 计算最小区域的坐标
box = cv2.boxPoints(rect) # 坐标规范化为整数
box = np.int0(box) # 画出轮廓
cv2.drawContours(img, [box], 0, (0, 0, 255), 3) # 计算最小封闭圆形的中心和半径
(x, y), radius = cv2.minEnclosingCircle(c) # 转换成整数
center = (int(x), int(y)) radius = int(radius) # 画出圆形
img = cv2.circle(img, center, radius, (0, 255, 0), 2) # 画出轮廓
cv2.drawContours(img, contours, -1, (255, 0, 0), 1) cv2.imshow("contours", img) cv2.waitKey() cv2.destroyAllWindows()
