Advertisement

使用python-opencv可以获取二值图像的轮廓以及中心点坐标。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
通过使用 Python-OpenCV,可以有效地获取二值图像的轮廓以及其中心点的坐标。首先,使用 `cv2.imread()` 函数读取 groundtruth 图像,并提取其红色通道的数据,得到二值图像 `groundtruth`。随后,利用 `groundtruth.shape` 获取图像的高度 `h1` 和宽度 `w1`。接着,通过调用 `cv2.findContours()` 函数在二值图像中查找轮廓,采用 `cv2.RETR_EXTERNAL` 检索模式和 `cv2.CHAIN_APPROX_SIMPLE` 近似方法。 如果找到的轮廓数量不等于 1,则跳过当前循环。最后,计算第一条轮廓的各个阶矩,并以字典的形式存储中心点坐标 `center`。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • Python-OpenCV方法代码
    优质
    本篇文章介绍了如何使用Python与OpenCV库来处理二值图像,包括提取图像中的轮廓以及计算并获取每个轮廓中心点的具体坐标。通过详细讲解相关函数的应用及其参数设置,帮助读者掌握高效准确地分析和操作图像数据的技巧。适合编程初学者及计算机视觉爱好者参考学习。 今天为大家分享一篇关于使用Python-OpenCV获取二值图像轮廓及中心点坐标的代码示例,具有很好的参考价值,希望能对大家有所帮助。一起跟随文章了解具体内容吧。
  • Python-OpenCV方法与代码
    优质
    本文章介绍了如何使用Python和OpenCV库来提取二值图像中的轮廓,并计算每个轮廓的几何中心。文中详细讲解了相关方法及提供完整代码示例,帮助读者掌握图像处理的基础技能。 在使用Python的OpenCV库获取二值图像轮廓及中心点坐标时,可以按照以下步骤进行: ```python groundtruth = cv2.imread(groundtruth_path)[:, :, 0] h1, w1 = groundtruth.shape contours, _ = cv2.findContours(groundtruth.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) if len(contours) != 1: # 轮廓总数不为1时,继续执行其他操作 continue M = cv2.moments(contours[0]) # 计算第一条轮廓的各阶矩,返回字典形式 center_x = int(M[m10] / M[m00]) # 中心点坐标计算(x) center_y = int(M[m01] / M[m00]) # 中心点坐标计算(y) # center_x 和 center_y 即为轮廓的中心点坐标 ``` 此代码段首先读取二值图像并获取其尺寸,然后查找所有外部轮廓。如果找到的轮廓数量不等于1,则继续执行其他操作。接着,它会利用`cv2.moments()`函数计算第一条轮廓的所有矩,并根据这些矩来确定该轮廓中心点的具体坐标(center_x, center_y)。
  • OpenCV最大
    优质
    本文章介绍如何使用OpenCV库从二值图像中提取最大轮廓的技术和步骤,适用于计算机视觉领域需要进行形状分析的研究者与开发者。 使用OpenCV技术可以有效地提取图像中的最大轮廓。
  • 使OpenCV通过鼠
    优质
    本教程介绍如何利用OpenCV库结合鼠标事件,在图像中选取特定点并实时显示其坐标位置。适合初学者了解基本图像处理与交互操作。 读入图像后识别鼠标点击位置,输出x和y坐标并打印、保存到列表。
  • MATLAB
    优质
    本教程详细介绍了如何使用MATLAB提取图像中目标物体的边缘和轮廓,并获取其精确坐标。适合初学者快速上手。 二值化轮廓图像经过8邻域扫描后,可以得到各个轮廓点的坐标,并且这些坐标的顺序是按照顺时针方向排列。部分参考资料提供了对此过程的解释和理解。
  • 优质
    本工具用于快速准确地定位图片中的关键点,并计算其几何中心位置,适用于图像处理和计算机视觉领域的多种应用场景。 如何在 MATLAB 中获取图像的中心坐标?
  • 线
    优质
    本文探讨了一种技术方法,用于自动识别和提取二值图像中的轮廓线。通过优化算法提高了轮廓检测的速度与准确性,为后续图像分析提供了精准的基础数据。 将图像进行二值化处理,并提取连通区域的轮廓线,在目标与背景区分明显的场景下,提取效果非常理想。脚本主要使用了strel()、im2bw()和bwboundaries()等函数。
  • 使OpenCV计算多个并在输出显示
    优质
    本项目运用Python的OpenCV库开发,旨在自动检测并标记图像中的多个对象轮廓,精确计算每个轮廓的几何中心(即质心),并将这些关键点的位置信息直接标注回原图或新生成的图像上。此功能有助于在计算机视觉应用中进行物体定位与跟踪分析。 利用OpenCV求取图像多轮廓的质心,并在输出图像上显示质心坐标。opencv可以用来提取目标的质心。
  • 使OpenCV通过鼠
    优质
    本教程介绍如何利用OpenCV库结合鼠标事件在图像上捕捉和显示特定坐标的实用方法。 在OpenCV中使用鼠标获取图像的位置信息和颜色信息的代码已经在VC6.0和OpenCv1.0环境下测试通过,并且完全可用。
  • 使OpenCVPython通过鼠RGB和HSV
    优质
    本教程介绍如何利用OpenCV库与Python语言结合,借助简单鼠标的交互操作,在图片任意位置获取并显示其像素的RGB及HSV颜色值。 直接看代码吧: ```python import cv2 # 读取图片并缩放方便显示 img = cv2.imread(D:/6.jpg) height, width = img.shape[:2] size = (int(width * 0.2), int(height * 0.2)) # 缩放 img = cv2.resize(img, size, interpolation=cv2.INTER_AREA) # BGR转化为HSV HSV = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) # 鼠标点击响应事件定义开始 def getposHsv(event, ```