BGR与RGB
OpenCV在读取图像时,默认的颜色空间是BGR(蓝绿红),而在大多数其他的图像处理库和图像格式中,使用的颜色空间是RGB(红绿蓝)。因此,当你需要使用OpenCV处理图像,然后将处理结果传递给其他库(如matplotlib、PIL等)进行进一步处理或显示时,你需要将颜色空间从BGR转换为RGB。
例如,如果你想使用matplotlib来显示一个由OpenCV处理过的图像,你需要先将颜色空间从BGR转换为RGB,否则图像的颜色会显示错误。
import cv2
from matplotlib import pyplot as plt
# 使用OpenCV读取图像
image = cv2.imread('image.jpg')
# 使用OpenCV处理图像(例如,进行边缘检测、特征提取等)
# 将颜色空间从BGR转换为RGB
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
# 使用matplotlib显示图像
plt.imshow(image)
plt.show()
在这个例子中,如果不进行颜色空间的转换,那么matplotlib显示的图像颜色会与原图不同,因为matplotlib默认的颜色空间是RGB,而OpenCV的是BGR。
Canny边缘检测
边缘检测有很多种方法,包括Sobel、Scharr、Laplacian、Prewitt和Canny等
Canny边缘检测的特点:
-
效果好:Canny边缘检测是一种非常流行的边缘检测方法,它能够很好地检测出图像的边缘,而且边缘连续,几乎没有断裂。
-
噪声抑制:Canny边缘检测在进行边缘检测之前,会先使用高斯滤波器对图像进行平滑处理,以消除图像中的噪声。这使得Canny边缘检测对噪声的抵抗能力比其他边缘检测方法更强。
-
双阈值检测:Canny边缘检测使用了双阈值检测来确定边缘,这可以有效地消除了因噪声或其他因素造成的虚假边缘。
-
易于使用:Canny边缘检测在OpenCV中的实现非常简单,只需要一行代码就可以完成。
这种方法因为其效果好、抗噪声能力强、易于使用等优点,所以被广泛应用于图像处理中的边缘检测任务。
基础用法
-
gray = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)
这行代码将图像从颜色空间转换为灰度空间。在灰度空间中,图像的每个像素只有一个强度值,而不是颜色空间中的三个。这样可以简化后续的边缘检测操作,因为我们只需要处理一个通道的数据。
-
edges = cv2.Canny(gray, threshold1=30, threshold2=100)
这行代码使用Canny边缘检测算法找出图像中的边缘。Canny算法是一种非常流行的边缘检测算法,它使用两个阈值(在这里是30和100)来检测强度变化较大的区域,这些区域通常对应于物体的边缘。
-
contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
这行代码使用
findContours
函数找出图像中的轮廓。轮廓可以被视为连接所有连续边缘的曲线。在这里,cv2.RETR_EXTERNAL
表示只检测外轮廓,cv2.CHAIN_APPROX_SIMPLE
表示对轮廓点进行压缩,例如,对于一条直线轮廓,只需要存储该直线的起始点和结束点。findContours
函数返回两个值:第一个是一个列表,其中每个元素都是一个轮廓(轮廓本身也是一个列表,包含轮廓上的点);第二个是轮廓的层次信息,但在这里我们不需要它,所以用_
忽略了。
总的来说,这三行代码的目的是将图像转换为灰度,然后使用Canny算法找出边缘,最后找出边缘形成的轮廓。
Canny的阈值如何调节
在Canny边缘检测算法中,30和100是两个阈值,它们用于确定边缘。这两个阈值定义了边缘检测的强度:
-
threshold1
:最小值阈值。低于此阈值的边缘会被忽略。 -
threshold2
:最大值阈值。高于此阈值的边缘会被认为是真正的边缘。
这两个阈值之间的边缘则根据其连通性来决定。如果这些边缘与某个“确定边缘”(即强度超过threshold2
的边缘)相连,则它们被认为是边缘的一部分,否则它们会被丢弃。
改变这两个值会影响边缘检测的结果:
- 如果你降低
threshold1
或提高threshold2
,将会检测到更少的边缘,因为只有强度更高的边缘才会被检测到。 - 如果你提高
threshold1
或降低threshold2
,将会检测到更多的边缘,因为强度较低的边缘也会被检测到。
选择合适的阈值是很重要的,因为它会直接影响到边缘检测的效果。通常,threshold2
的值应该是threshold1
的值的2到3倍。
在所有轮廓中找出最大轮廓
contour = sorted(contours, key=cv2.contourArea, reverse=True)[0]
contours
是一个列表,其中每个元素都是一个轮廓。轮廓本身是一个由点组成的列表,这些点定义了轮廓的形状。
sorted
函数用于对列表进行排序。在这里,它对contours
列表进行排序。
key=cv2.contourArea
参数指定了排序的依据。cv2.contourArea
是一个函数,它计算一个轮廓的面积。所以,这里的排序依据是轮廓的面积。
reverse=True
参数指定了排序的方向。如果reverse=True
,那么列表会按照降序排序,也就是说,面积最大的轮廓会排在最前面。
[0]
是一个索引操作,它取出排序后的列表中的第一个元素。因为我们按照面积进行了降序排序,所以第一个元素就是面积最大的轮廓。文章来源:https://www.toymoban.com/news/detail-831320.html
所以,这行代码的意思是:按照面积对所有检测到的轮廓进行降序排序,然后取出面积最大的一个。文章来源地址https://www.toymoban.com/news/detail-831320.html
到了这里,关于Python OpenCV 牛刀小试(练习)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!