在本文中，我们将为您详细介绍在Python中使用OpenCV访问轮廓边界内的像素值的相关知识，并且为您解答关于opencvpython轮廓检测的疑问，此外，我们还会提供一些关于android–Open

在本文中，我们将为您详细介绍在Python中使用OpenCV访问轮廓边界内的像素值的相关知识，并且为您解答关于opencv python 轮廓检测的疑问，此外，我们还会提供一些关于android – OpenCV获取轮廓边界内的黑色像素、c – OpenCV：规范化图像的像素值、opencv python 图像轮廓/检测轮廓/绘制轮廓、opencv python 读取/修改像素值/访问图像属性/ROI/拆分合并图像通道/绘制图像边框的有用信息。

• 在Python中使用OpenCV访问轮廓边界内的像素值（opencv python 轮廓检测）
• android – OpenCV获取轮廓边界内的黑色像素
• c – OpenCV：规范化图像的像素值
• opencv python 图像轮廓/检测轮廓/绘制轮廓
• opencv python 读取/修改像素值/访问图像属性/ROI/拆分合并图像通道/绘制图像边框

在Python中使用OpenCV访问轮廓边界内的像素值（opencv python 轮廓检测）

android – OpenCV获取轮廓边界内的黑色像素

c – OpenCV：规范化图像的像素值

cv::Scalar avg,sdv;
cv::meanStdDev(image,avg,sdv);
sdv.val[0] = sqrt(image.cols*image.rows*sdv.val[0]*sdv.val[0]);
cv::Mat image_32f;
image.convertTo(image_32f,CV_32F,1/sdv.val[0],-avg.val[0]/sdv.val[0]);

opencv python 图像轮廓/检测轮廓/绘制轮廓

Contours : Getting Started

轮廓

简单地解释为连接所有连续点（沿着边界）的曲线，具有相同的颜色或强度.
轮廓是形状分析和物体检测和识别的有用工具

NOTE

• 为获得更好的准确性，请使用二值图，在找到轮廓之前，应用阈值法或canny边缘检测
• 从OpenCV 3.2开始，findContours（）不再修改源图像，而是将修改后的图像作为三个返回参数中的第一个返回
• 在OpenCV中，查找轮廓是从黑色背景中查找白色对象

findContours(image, mode, method[, contours[, hierarchy[, offset]]])

• image：原图像
• mode：轮廓检索模式
• method：轮廓近似方法

输出为： 修改后的图像，轮廓，层次结构
轮廓是所有轮廓的列表.每个单独的轮廓是对象边界点的坐标.

代码：

import cv2
import numpy as np

img = cv2.imread(''img.jpg'')
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
im2, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

绘制轮廓

cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]])

• image：原图像
• contours：作为Python列表传递的轮廓
• contourIdx：轮廓索引（在绘制单个轮廓时很有用。绘制所有轮廓，传递-1）

•要绘制图像中的所有轮廓：
cv.drawContours（img，contours，-1，（0,255,0），3）

•要绘制单个轮廓，比如第4个轮廓：
cv.drawContours（img，contours，3，（0,255,0），3）

•但大多数情况下，绘制第4个轮廓，以下方法将非常有用：
cnt = contours[4]
cv.drawContours（img，[cnt]，0，（0,255,0），3）

代码：

import cv2
import numpy as np

img = cv2.imread(''img7.png'')
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
im2, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnt = contours[0]
cv2.drawContours(img,[cnt],0,(0,255,0),3)

cv2.imshow(''src'',img)

cv2.waitKey()

opencv python 读取/修改像素值/访问图像属性/ROI/拆分合并图像通道/绘制图像边框

Basic Operations on Images

1读取和修改像素值

可以通过行列坐标访问像素值.对于BGR图,它返回一个蓝色、绿色、红色通道的数组值.对于灰度图，仅返回相应的强度值.

代码：

import numpy as np
import cv2
img = cv2.imread(''img.jpg'')
px = img[32,32]#访问(32,32)坐标像素值
print(px)


[ 33 108  57]

print(img[32,32,0]) #访问B通道像素值

33

print(img[32,32,1]) #访问G通道像素值

108

img[32,32]=[108,108,108]#修改像素值
print(img[32,32])

[108 108 108]

Note：

• Numpy是一个用于快速阵列计算的优化库。 因此，简单地访问每个像素值并对其进行修改将非常缓慢
• 上述方法通常用于选择数组的一个区域，比如前五行和三列.对于访问单个像素点，推荐使用array.item()和array.itemset(),它们返回的是一个标量.如果需要访问所有B,G,R值，需要对它们单独调用array.item()

代码：

img.item(32,32,2)#访问R值

108

img.itemset((32,32,2),100)#修改R值
img.item(32,32,2)

100

2访问图像属性

图像的属性包括行数，列数，通道数，图像数据类型，像素数等.
img.shape访问图像的形状，返回一组行，列，通道的元组（彩色图像）

print(img.shape)

(331, 480, 3)

NOTE:
注意如果图像是灰度图像，则返回的元组仅包含行数和列数，因此它是一种检查图像是灰度图像还是彩色图像的好方法.

img.size访问像素总数

print(img.size)

476640

img.dtype访问图像数据类型

print(img.dtype)

uint8

NOTE：
img.dtype在调试时非常重要，因为OpenCV-Python代码中的大量错误是由无效的数据类型引起的。

3图像ROI

有时，您必须使用某些图像区域。 对于图像中的眼睛检测，在整个图像上进行第一次面部检测。 当获得面部时，我们单独选择面部区域并在其内部搜索眼睛而不是搜索整个图像。 它提高了准确性（因为眼睛总是在脸上：D）和表现（因为我们在一个小区域搜索）。

使用Numpy索引再次获得ROI。

应用

我选择感兴趣区域并将其复制到图像中的另一个区域：
代码：

import cv2
img = cv2.imread(''img.jpg'')

husky = img[1:240,60:270]
img[61:300,270:480] = husky

cv2.imshow(''show'',img)
cv2.waitKey()

4拆分和合并图像通道

有时需要在B，G，R通道图像上单独工作。 在这种情况下，您需要将BGR图像分割为单个通道。

b,g,r = cv2.split(img) #拆分图像通道
img = cv2.merge((b,g,r))

或者

b = img[:,:,0]

假设您要将所有R像素设置为零，则无需先拆分通道。 Numpy索引更快：

img[:,:,2] = 0

NOTE:
cv2.split()是一项代价高的操作（就时间而言）。 所以只有在你需要时才这样做。 否则去Numpy索引。

5绘制图像边框

cv2.copyMakeBorder(src, top, bottom, left, right, borderType[, dst[, value]])

• src - 输入图像
• top，bottom，left，right - 相应方向上像素数的边框宽度
• value : cv2.BORDER_CONSTANT,cv2.BORDER_REFLECT,cv2.BORDER_REFLECT_101 or cv2.BORDER_DEFAULT ,cv2.BORDER_REPLICATE,cv2.BORDER_WRAP

cv2.BORDER_REFLECT_101或cv2.BORDER_DEFAULT - 与上面相同，但略有改动，如下所示：gfedcb | abcdefgh | gfedcba
cv.BORDER_REPLICATE - 最后一个像素在整个过程中被复制，像:aaaaaa |abcdefgh|hhhhhhh这样
cv.BORDER_WRAP - 对称方向 像素互换 就像： cdefgh|abcdefgh|abcdefg 这样

应用

import cv2
from matplotlib import pyplot as plt

BLUE = [255,0,0]

img1 = cv2.imread(''img1.jpg'')

replicate = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REPLICATE)
reflect = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT)
reflect101 = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT_101)
wrap = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_WRAP)
constant= cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_CONSTANT,value=BLUE)

plt.subplot(231),plt.imshow(img1,''gray''),plt.title(''ORIGINAL'')
plt.subplot(232),plt.imshow(replicate,''gray''),plt.title(''REPLICATE'')
plt.subplot(233),plt.imshow(reflect,''gray''),plt.title(''REFLECT'')
plt.subplot(234),plt.imshow(reflect101,''gray''),plt.title(''REFLECT_101'')
plt.subplot(235),plt.imshow(wrap,''gray''),plt.title(''WRAP'')
plt.subplot(236),plt.imshow(constant,''gray''),plt.title(''CONSTANT'')

plt.show()

今天关于在Python中使用OpenCV访问轮廓边界内的像素值和opencv python 轮廓检测的介绍到此结束，谢谢您的阅读，有关android – OpenCV获取轮廓边界内的黑色像素、c – OpenCV：规范化图像的像素值、opencv python 图像轮廓/检测轮廓/绘制轮廓、opencv python 读取/修改像素值/访问图像属性/ROI/拆分合并图像通道/绘制图像边框等更多相关知识的信息可以在本站进行查询。