如果您对PythonOpenCV泛洪填充，取经之旅第21天感兴趣，那么本文将是一篇不错的选择，我们将为您详在本文中，您将会了解到关于PythonOpenCV泛洪填充，取经之旅第21天的详细内容，我们还

如果您对Python OpenCV 泛洪填充，取经之旅第 21 天感兴趣，那么本文将是一篇不错的选择，我们将为您详在本文中，您将会了解到关于Python OpenCV 泛洪填充，取经之旅第 21 天的详细内容，我们还将为您解答python opencv 膨胀的相关问题，并且为您提供关于36 篇博文带你学完 opencv :python+opencv 进阶版学习笔记目录、AR opencv-python | cv2.error: OpenCV(4.5.1) batch_distance.cpp:275: error: (-215:Assertion failed)、cv2.error: OpenCV(4.2.0) /io/opencv/modules/imgproc/src/color.cpp:182: error:、OpenCV - Windows（win10）编译 opencv + opencv_contrib的有价值信息。

• Python OpenCV 泛洪填充，取经之旅第 21 天（python opencv 膨胀）
• 36 篇博文带你学完 opencv :python+opencv 进阶版学习笔记目录
• AR opencv-python | cv2.error: OpenCV(4.5.1) batch_distance.cpp:275: error: (-215:Assertion failed)
• cv2.error: OpenCV(4.2.0) /io/opencv/modules/imgproc/src/color.cpp:182: error:
• OpenCV - Windows（win10）编译 opencv + opencv_contrib

Python OpenCV 泛洪填充，取经之旅第 21 天（python opencv 膨胀）

学习目标

每天 1 小时，365 天成就奇迹。

今天学习 Python OpenCV 泛洪填充相关知识，泛洪填充也叫做水漫填充算法。

原理是 从一个像素点开始，将附近满足像素要求的点，全部填充成指定颜色，直到碰到不满足要求的点。

如果从概念上记忆，常见的有四邻域像素填充法，八邻域像素填充法，基于扫描线的像素填充方法。

对于这些概念，先略过，没有建立整体认知之前，学习任何基础概念都毫无价值。

函数原型

泛洪填充的语法原型如下：

floodFill(image, mask, seedPoint, newVal[, loDiff[, upDiff[, flags]]]) -> retval, image, mask, rect

该函数包括七个参数，分别如下：

• image：操作的图像
• mask：掩膜，比 image 的高度多 2 个像素，宽度多 2 个像素。填充时不能穿过输入掩码中的非零像素
• seedPoint：起始的像素点
• newVal：新的填充值(颜色)
• loDiff：填充颜色的低值（起始像素点处颜色减去该值）
• upDiff：填充颜色的高值 （起始像素点处颜色加上该值）
• flags：操作位标识符，彩色图像一般是FLOODFILL_FIXED_RANGE 指定颜色填充

关于 flags 还找到一个清晰的说明：

当为CV_FLOODFILL_FIXED_RANGE 时，待处理的像素点与种子点作比较，如果满足(s – loDiff, s + upDiff)之间(s 为种子点像素值)，则填充；
当为CV_FLOODFILL_MASK_ONLY 时，则 mask 不能为空，此时，函数不填充原始图像 img，而是填充掩码图像.

案例代码

测试图片如下：

测试代码如下：

import cv2 as cv
import numpy as np

# 彩色图像填充
def fill_color_demo(src):
    img_copy = src.copy()
    h, w, ch = src.shape
    # 声明一个矩形形状，注意高度和宽度都增加 2 个像素
    # np.zeros 返回一个给定形状和类型的用 0 填充的数组
    mask = np.zeros([h+2, w+2], np.uint8)
    # 参数1，待使用泛洪填充的图像
    # 参数2，掩膜，使用掩膜可以规定是在哪个区域使用该算法，如果是对于完整图像都要使用，则掩膜大小为原图行数 + 2，列数 + 2
    #       掩膜，是一个二维的0矩阵，因为只有掩膜上对应为 0 的位置才能泛洪
    # 参数3，泛洪填充的种子点，基于该点的像素判断和它相近颜色的像素点，是否被泛洪处理
    # 参数4，泛洪区域的新颜色（BGR格式）
    # 参数5，种子点像素可以向下的像素值
    # 参数6，种子点像素可以向上的像素值
    # 参数7，泛洪算法的处理模式
    cv.floodFill(img_copy, mask, (20, 20), (0, 255, 0),
                 (50, 50, 50), (100, 100, 100), cv.FLOODFILL_FIXED_RANGE)
    cv.imshow("color_demo", img_copy)


if __name__ == "__main__":
    src = cv.imread(''./25.jpg'')

    fill_color_demo(src)
    cv.waitKey()
    cv.destroyAllWindows()

运行之后的效果如下：

关于在设置掩膜的时候，为什么像素要 +2，部分地方给出的解释是：当从 0 行 0 列开始泛洪填充扫描时，mask 多出来的 2 可以保证扫描的边界上的像素都会被处理。暂时先理解一下吧。

关于参数 5 与参数 6，找到如下资料：

从起始的种子点开始，用指定颜色填充与其相连的像素。连通性取决于相邻像素的颜色和亮度，像素在下列情况下被属于重新绘制的区域，公式如下。

在通俗的说明如下：

• (20, 20)：为种子点的位置；
• (0, 255, 0)：为泛洪填充颜色，绿色；
• (50, 50, 50)：以种子点像素三通道值[ b, g, r ]为基准，被填充范为在原图三通道最低值为[ b-50, g-50, r-50 ]；
• (100, 100, 100)：以种子点像素三通道值[ b, g, r ]为基准，被填充范为在原图三通道最高值为[ b+100, g+100, r+100]；
• cv.FLOODFILL_FIXED_RANGE：待处理的像素点与种子点作比较，在范围之内，则填充此像素。

在原图像只有像素三通道值[ b-50, g-50, r-50 ] <= [ B , G, R] <=[ b+100, g+100, r+100]在此范围内的都会被指定绿色(0, 255, 0)填充。

二值图像填充

先看代码，注意注释部分。

import cv2 as cv
import numpy as np

def fill_binary():
    # 设置一个400*400的矩形
    image = np.zeros([400, 400, 3], np.uint8)
    # 内部填充一个白色正方形

    image[100:300, 100:300, :] = 255
    cv.imshow("fill_binary", image)

    # 设置掩膜
    mask = np.ones([402, 402], np.uint8)
    mask[101:301, 101:301] = 0
    # mask不为0的区域不会被填充，mask为0的区域才会被填充
    cv.floodFill(image, mask, (200, 200), (255, 255, 0),
                 cv.FLOODFILL_MASK_ONLY)
    cv.imshow("filled_binary", image)

fill_binary()
cv.waitKey(0)
cv.destroyAllWindows()

这部分代码来源网络，重点理解 FLOODFILL_MASK_ONLY 即可，该值表示从种子点开始，填充掩膜区域。

OpenCV 尾声

1 个小时又过去了，对 Python OpenCV 相关的知识点，你掌握了吗？

做为初学者，还有很多地方学习的不深入，希望你与我一起坚持下去。

空闲之余，可以订阅橡皮擦的爬虫百例课程学习爬虫知识。

想学 Python 爬虫，可以订阅橡皮擦专栏哦~ 点击发现惊喜

今天是持续写作的第 59 / 100 天。
如果你有想要交流的想法、技术，欢迎在评论区留言。

如果你想跟博主建立亲密关系，可以关注博主，或者关注博主公众号 “非本科程序员”，了解一个非本科程序员是如何成长的。
博主 ID：梦想橡皮擦，希望大家点赞、评论、收藏

本文同步分享在 博客“梦想橡皮擦”（CSDN）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。

36 篇博文带你学完 opencv :python+opencv 进阶版学习笔记目录

基础版学习笔记传送门
36 篇博文带你学完 opencv ：python3+opencv 学习笔记汇总目录（基础版）

进阶版笔记

OpenCV 告一段落，接下来，该实战啦。
计算机视觉三大任务，分类，监测，分割。
意见其他一些任务…
图像生成，OCR…

电气专业的计算机萌新，写博文不容易，如果你觉得本文对你有用，请点个赞支持下，谢谢。

AR opencv-python | cv2.error: OpenCV(4.5.1) batch_distance.cpp:275: error: (-215:Assertion failed)

如何解决AR opencv-python | cv2.error: OpenCV(4.5.1) batch_distance.cpp:275: error: (-215:Assertion failed)

我决定尝试 Ar 是什么，但遇到了以下问题：

File "C:/Users/Егор/PycharmProjects/ARfotoandvideo/AR.py",line 25,in <module>
macthes = bf.knnMatch(des1,des2,k=2)
cv2.error: OpenCV(4.5.1) C:\\Users\\appveyor\\AppData\\Local\\Temp\\1\\pip-req-build-0ycehs0d\\opencv\\modules\\core\\src\\batch_distance.cpp:275: error: (-215:Assertion Failed) type == src2.type() && src1.cols == src2.cols && (type == CV_32F || type == CV_8U) in function ''cv::batchdistance''

堆栈：

• Windows 8.1 一种语言
• Python 3.7.7
• Pycharm 社区 2018.3.7
• Opencv-python 4.5.1.48
• 网络摄像头 - 在笔记本电脑上，我无法通过 wifi 连接通过 Droidcam 应用程序使用小米手机 Redmy 的摄像头。

信息

我将尝试描述之前发生的错误以及我是如何解决它们的 - 也许这会告诉您需要做什么来解决问题。

在程序执行期间，在从网络摄像头接收图像时发生崩溃 - 正如它本身所表现的那样，当程序启动时，来自网络摄像头的图像提供单色背景（在我的情况下，绿松石） ，当我通过点击X强行关闭所有窗口后，窗口中的数据被刷新并获得正确的图像。 cv2.waitKey (100) 部分解决了这个问题，其中更改 100 的值会导致来自网络摄像头的图像出现，!!!!但 ！！！因为有失败，所以没有确定性。

尝试将 cv2.error 中所有可能的错误原因联系起来后，我得出的结论是问题出在 1 和 2 图像上的描述符中。我想指出的是，当网络摄像头相对于图像移动（不是缩放，而是前后移动）时，在 30 种情况下的 1-2 种情况下，它有助于启动程序并正常工作而不会崩溃。>

我的代码

import cv2
import numpy as np
cap = cv2.VideoCapture(1,cv2.CAP_DSHOW)
imgTarget = cv2.imread(''foto.jpg'')
myVid = cv2.VideoCapture(''video.mp4'')
success,imgVideo = myVid.read()
hT,wT,cT = imgTarget.shape
imgVideo = cv2.resize(imgVideo,(wT + 400,hT))
orb = cv2.ORB_create(nfeatures=10)
kp1,des1 = orb.detectAndCompute(imgTarget,None)
imgTarget = cv2.drawKeypoints(imgTarget,kp1,None)
while True:
    success,imgWebcam = cap.read()
    kp2,des2 = orb.detectAndCompute(imgWebcam,None)
    imgWebcam = cv2.drawKeypoints(imgWebcam,kp2,None)
    # imgWebcam = cv2.resize(imgWebcam,(wT,hT))
    bf = cv2.BFMatcher()
    macthes = bf.knnMatch(des1,k=2)
    good = []
    for m,n in macthes:
        if m.distance < 0.75 * n.distance:
            good.append(m)
    print(len(good))
    imgFeatures = cv2.drawMatches(imgTarget,imgWebcam,good,None,flags=2)
    if len(good) > 20:
        srcPts = np.float32([kp1[m.queryIdx].pt for m in good]).reshape(-1,1,2)
        dstPts = np.float32([kp2[m.trainIdx].pt for m in good]).reshape(-1,2)
        matrix,mask = cv2.findHomography(srcPts,dstPts,cv2.RANSAC,5)
        print(matrix)
        pts = np.float32([[0,0],[0,wT],[wT,hT],0]]).reshape(-1,2)
        dst = cv2.perspectiveTransform(pts,matrix)
        img2 = cv2.polylines(imgWebcam,[np.int32(dst)],True,(255,255),3)
    cv2.imshow(''img2'',img2)
    cv2.imshow(''imgFeatures'',imgFeatures)
    cv2.imshow(''imgTarget'',imgTarget)
    cv2.imshow(''myVid'',imgVideo)
    cv2.imshow(''imgWebcam'',imgWebcam)
    cv2.waitKey(100)

cv2.error: OpenCV(4.2.0) /io/opencv/modules/imgproc/src/color.cpp:182: error:

image1=Image.fromarray(cv2.cvtColor(image01,cv2.COLOR_BGR2RGB))
cv2.error: OpenCV(4.1.2) /io/opencv/modules/imgproc/src/color.cpp:182: error: (-215:Assertion failed) !_src.empty() in function ''cvtColor''

这个错误纠结了一周，网上找遍了答案，加上自己根据他们错误找，大多数都是图片路径，或者图片本身的错误

我自己的错误是 xml 转 json 文件出错，在看完一周重新分割数据以及转 json，终于可以运行。

这类错误大多数是图片路径读取有问题，大家可以先去找图片路径拼接那块是不是出现 None，可以适当打印出路径来调试，当然出现这种错误，最先看看，自己对图片的处理是不是正确的，基本上跑源码，除了个别修改配置文件，其他没问图，所以最讨厌的问题得抓最核心的地方，毕竟时间宝贵！！！

OpenCV - Windows（win10）编译 opencv + opencv_contrib

　　在之前的几篇文章中，我提到了在 Android、Linux 中编译 opencv + opencv_contrib，这篇文章主要讲在 Windows 中编译 opencv + opencv_contrib。

首先需要准备的环境有：

• Window 10 64 位：这个大家都知道，就不多说了啊；
• Cmake：编译工具，可以 https://cmake.org/download/ 下载安装，当前的最新版本为 3.10.1；
• Visual Studio：开发工具，编译的时候也需要用到，我安装的是 Visual Studio 2015。
• OpenCV Windows 包，下载地址：https://opencv.org/releases.html；
• OpenCV_Contrib 包，下载地址：https://github.com/opencv/opencv_contrib（注意版本对应）。

　　将下载得到的 OpenCV Windows 包解压，目录为 opencv，然后将下载的 OpenCV_Contrib 包解压放入 opencv 目录下，新建 new_build 文件夹（用来放编译之后结果）：

使用 cmake 生成 OpenCV.sln：

　　打开安装之后的 cmake，在 where is the source code 中选择 openCV 的源代码目录：F:\opencv\sources；在 where to build the binaries 中选择编译为 Visual Studio 项目的目录：F:\opencv\new_build（这里我选择刚刚特地建立的 new_build 目录），如下图所示：

　　点击 Configure 按钮后，弹出对话框，选择编译器，根据本地计算机的 CPU 架构，这里特别要注意的是，自己机器上是否装有相应的 VS 版本，如果没有装，还是要编译就会出错，可能是找不到对应的工具原因，以及选择 X86 和 X64），这里用的是 VS 2015。

　　设置完成之后点击 “Generate” 开始生成工程，. 第一次编译完成之后，我们需要将额外的 opencv_contrib 加到工程中进行第二次编译，在配置表中找到 “OPENCV_EXTRA_MODULES_PATH”, 设置其参数值为 open_contrib 源码包中的 modles 目录，我的目录是 “F:\opencv\opencv_contrib\modules”：

　　再次点击 “Generate” 进行第二次编译：

　　这时候我们已经可以看见用 cmake 工具编译得到的 OpenCV.sln：

用 VS 打开 OpenCV.sln 工程，编译生成 Debug 和 Release 库：

　　用 VS 2015 打开 OpenCV.sln 工程，在解决方案中可以查看工程目录：

　　编译生成 debug 版本的库，记得在此之前要选择编译的平台信息，这就是编译生成 debug 版本和 release 版本的区别，也可以选择 release，因为自己的工程可能要用到相应的动态链接库：

　　在解决方案中选中工程，右键选择重新生成解决方案：

　　编译成功：

　　. 找到 CMakeTargets 中的 INSTALL，然后右键选择 “仅限于项目”-->“仅生成 INSTALL”：

　　完成编译后，Release 模式下同理。此时，有了 install 目录。该目录包含了我们需要的头文件、库文件。

把新的库文件配置到到项目中：

 　　VC++ 目录 --> 包含目录，添加：

　　　　E:\OpenCV320\opencv\new_build\install\include

　　VC++ 目录 --> 库目录，添加：

　　　　E:\OpenCV320\opencv\new_build\install\x64\vc14\lib

　　链接器 --> 输入 --> 附加依赖项，添加： (注意添加的库与编译选项要一致，需要注意 debug 比 release 的文件名多了个 d)

　　　　opencv_aruco320.lib

　　　　opencv_aruco320d.lib

　　　　opencv_bgsegm320.lib
　　　　opencv_bgsegm320d.lib
　　　　opencv_bioinspired320.lib
　　　　opencv_bioinspired320d.lib
　　　　opencv_calib3d320.lib
　　　　opencv_calib3d320d.lib
　　　　opencv_ccalib320.lib
　　　　opencv_ccalib320d.lib
　　　　opencv_core320.lib
　　　　opencv_core320d.lib
　　　　opencv_datasets320.lib
　　　　opencv_datasets320d.lib
　　　　opencv_dnn320.lib
　　　　opencv_dnn320d.lib
　　　　opencv_dpm320.lib
　　　　opencv_dpm320d.lib
　　　　opencv_face320.lib
　　　　opencv_face320d.lib
　　　　opencv_features2d320.lib
　　　　opencv_features2d320d.lib
　　　　opencv_flann320.lib
　　　　opencv_flann320d.lib
　　　　opencv_fuzzy320.lib
　　　　opencv_fuzzy320d.lib
　　　　opencv_highgui320.lib
　　　　opencv_highgui320d.lib
　　　　opencv_imgcodecs320.lib
　　　　opencv_imgcodecs320d.lib
　　　　opencv_line_descriptor320.lib
　　　　opencv_line_descriptor320d.lib
　　　　opencv_ml320.lib
　　　　opencv_ml320d.lib
　　　　opencv_objdetect320.lib
　　　　opencv_objdetect320d.lib
　　　　opencv_optflow320.lib
　　　　opencv_optflow320d.lib
　　　　opencv_phase_unwrapping320.lib
　　　　opencv_phase_unwrapping320d.lib
　　　　opencv_photo320.lib
　　　　opencv_photo320d.lib
　　　　opencv_plot320.lib
　　　　opencv_plot320d.lib
　　　　opencv_reg320.lib
　　　　opencv_reg320d.lib
　　　　opencv_rgbd320.lib
　　　　opencv_rgbd320d.lib
　　　　opencv_saliency320.lib
　　　　opencv_saliency320d.lib
　　　　opencv_shape320.lib
　　　　opencv_shape320d.lib
　　　　opencv_stereo320.lib
　　　　opencv_stereo320d.lib
　　　　opencv_stitching320.lib
　　　　opencv_stitching320d.lib
　　　　opencv_structured_light320.lib
　　　　opencv_structured_light320d.lib
　　　　opencv_superres320.lib
　　　　opencv_superres320d.lib
　　　　opencv_surface_matching320.lib
　　　　opencv_surface_matching320d.lib
　　　　opencv_text320.lib
　　　　opencv_text320d.lib
　　　　opencv_tracking320.lib
　　　　opencv_tracking320d.lib
　　　　opencv_video320.lib
　　　　opencv_video320d.lib
　　　　opencv_videoio320.lib
　　　　opencv_videoio320d.lib
　　　　opencv_videostab320.lib
　　　　opencv_videostab320d.lib
　　　　opencv_xfeatures2d320.lib
　　　　opencv_xfeatures2d320d.lib
　　　　opencv_ximgproc320.lib
　　　　opencv_ximgproc320d.lib
　　　　opencv_xobjdetect320.lib
　　　　opencv_xobjdetect320d.lib
　　　　opencv_xphoto320.lib
　　　　opencv_xphoto320d.lib
　　　　kernel32.lib
　　　　user32.lib
　　　　gdi32.lib
　　　　winspool.lib
　　　　comdlg32.lib
　　　　advapi32.lib
　　　　shell32.lib
　　　　ole32.lib
　　　　oleaut32.lib
　　　　uuid.lib
　　　　odbc32.lib
　　　　odbccp32.lib

　　这样，我们就可以在 VS 中使用 OpenCV 了。

　　需要提到的一个点，所需要使用 Sift 等算法，需要引入 xfeatures2d 命名空间：

using namespace xfeatures2d;

关于Python OpenCV 泛洪填充，取经之旅第 21 天和python opencv 膨胀的介绍已经告一段落，感谢您的耐心阅读，如果想了解更多关于36 篇博文带你学完 opencv :python+opencv 进阶版学习笔记目录、AR opencv-python | cv2.error: OpenCV(4.5.1) batch_distance.cpp:275: error: (-215:Assertion failed)、cv2.error: OpenCV(4.2.0) /io/opencv/modules/imgproc/src/color.cpp:182: error:、OpenCV - Windows（win10）编译 opencv + opencv_contrib的相关信息，请在本站寻找。