c/c++语言开发共享OpenCV图像轮廓的绘制方法

  image = cv2.imread('image_path')

  image_gray  = cv.cvtcolor(image, cv.color_bgr2gray)

  # 这里将阈值设置为127为例,最大阈值为255  t, binary = cv.threshold(image_gray, 127, 255, cv.thresh_binary)

  # 这里以检测所有轮廓,不建立层次关系为例  contours, hierarchy = cv2.findcontours(binary, cv2.retr_list, cv2.chain_approx_none)

  # 这里将轮廓索引设置为-1,绘制出所有轮廓,颜色设置为红色，宽度为2为例  cv2.drawcontours(image, contours, -1, (0, 0, 255), 2)

  cv2.imshow('image', image)

  # -*- coding: utf-8 -*-  # @time    : 2021/8/17  # @author  : zyh  """  introduction:  图像轮廓检测:      opencv提供的findcontours()方法可以通过计算图像梯度来判断出图像的边缘,然后将边缘的点封装成数组返回      contours, hierarchy = cv2.findcontours(image, mode, mothode)      参数:          image->被检测图像必须是8位单通道二值图像。如果原图是rgb图像,必须转为灰度图像,在进行二值化阈值处理          mode->轮廓的检索模式              参数值                     含义              cv2.retr_external       只检测外轮廓              cv2.retr_list           检测所有轮廓,但不建立层次关系              cv2.retr_ccomp          检测所有轮廓,并建立两级层次关系              cv2.retr_tree           检测所有轮廓,并建立树状结构的层次关系          mothode->检测轮廓时使用的方法              参数值                     含义              cv2.chain_none                储存轮廓上的所有点              cv2.chain_approx_simple       只保存水平、垂直或对角线轮廓的端点              cv2.chain_approx_tc89_l1      ten_chinl近似算法的一种              cv2.chain_approx_tc89_kcos    ten_chinl近似算法的一种      retval:          contours->检测出的所有轮廓,list类型,每一个元素都是某个轮廓的像素坐标数组          hierarchy->轮廓之间的层次关系  图像轮廓绘制:      image = cv2.drawcontours(image, contours, contouridx, color, thickness, linetypee, hierarchy,          maxlevel, offse)      参数:          image->被绘制轮廓的原始图像,可以是多通道图像          contours->findcontours()方法得出的轮廓列表          contouridx->绘制轮廓的索引,如果为-1则绘制所有轮廓          color:绘制颜色,bgr格式          thickness->可选参数,画笔的粗细,如果为-1则绘制实心轮廓          linetypee->可选参数,绘制轮廓的线型          hierarchy->可选参数,findcontours()方法得出的层次关系          maxlevel->可选参数,绘制轮廓的层次深度,最深绘制第maxlevel层          offse->可选参数,偏移量,可以改变绘制结果的位置  """  import cv2 as cv  # 读取加载图像  image1 = cv.imread('shape1.png')  image2 = cv.imread('shape1.png')  # 将图像由rgb格式转为灰度图像  gray1 = cv.cvtcolor(image1, cv.color_bgr2gray)  gray2 = cv.cvtcolor(image2, cv.color_bgr2gray)  # 将图像进行二值化阈值处理, 返回t是处理时采用的阈值,binary是阈值处理后的图像  t1, binary1 = cv.threshold(gray1, 127, 255, cv.thresh_binary)  t2, binary2 = cv.threshold(gray2, 127, 255, cv.thresh_binary)  # 检测图像中出现的所有轮廓,记录轮廓的每一个点  contours1, hierarchy1 = cv.findcontours(binary1, cv.retr_list, cv.chain_approx_none)  # 显示原图  cv.imshow('image', image1)  # 绘制所有轮廓,宽度为3,颜色为红色  cv.drawcontours(image1, contours1, -1, (0, 0, 255), 3)  cv.imshow('cv.retr_list', image1)    # 检测图像中的外轮廓，记录轮廓的每一个点  contours2, hierarchy2 = cv.findcontours(binary2, cv.retr_external, cv.chain_approx_none)  # 使用cv2.retr_external做参数绘制外轮廓,宽度为3,颜色为蓝色  cv.drawcontours(image2, contours2, -1, (255, 0, 0), 3)  cv.imshow('cv.retr_external', image2)    cv.waitkey()  cv.destroyallwindows()

  # -*- coding: utf-8 -*-  # @time    : 2021/8/18  # @author  : zyh  """  introduction:  绘制花朵所有轮廓  """  import  cv2 as cv    image_flower = cv.imread('flower.png')  # 显示原图  cv.imshow('flower1', image_flower)  # 对图像进行中值滤波处理，去除噪声  image_flower = cv.medianblur(image_flower, 5)  cv.imshow('flower2', image_flower)  # 将图像从rgb转为单通道灰度图像  gray_flower = cv.cvtcolor(image_flower, cv.color_bgr2gray)  # 灰度图像进行二值化阈值处理  t, binary = cv.threshold(gray_flower, 127, 255, cv.thresh_binary)  # 显示二值化图像  cv.imshow('binary', binary)  # 获取二值化图像中的轮廓以及轮廓层次  contours, hierarchy = cv.findcontours(binary, cv.retr_list, cv.chain_approx_none)  # 在原图中绘制轮廓  cv.drawcontours(image_flower, contours, -1, (0, 255, 255), 2)  # 显示绘制轮廓后的图像  cv.imshow('cv.retr_list', image_flower)    cv.waitkey()  cv.destroyallwindows()