opencv目标检测常用方法

opencv目标检测常用方法

• 读图，显示图片，关闭窗口

  img_ori = cv2.imread( './11.png ' )
  cv2.imshow( 'img_ori', img_ori)
  cv2.waitKey (1000)
  cv2.destroyAllWindows()

• 灰度值转化

---

    gray_image = cv2.cvtColor(img_ori, cv2.COLOR_BGR2GRAY)
    cv2.imshow('gray', gray_image)

---

• 二值化

    # 二值化 cv2.THRESH_OTSU
    threshold, binary_image = cv2.threshold(gray_image, 0, 255, cv2.THRESH_BINARY_INV)
    cv2.imshow('bin', binary_image)

---

函数

• cv2.THRESH_OTSU

cv2.threshold(gray_image, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)

Otsu’s可以自己找到一个认为最好的阈值。并且Otsu’s非常适合于图像灰度直方图具有双峰的情况，他会在双峰之间找到一个值作为阈值，对于非双峰图像，可能并不是很好用。

---

• cv2.findContours

(32条消息) cv2.findContours()函数用法_wzh111wzh的博客-CSDN博客_findcontours

 image, contours, hierarchy cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]]) 

cv2.findContours()函数返回两个值，一个是轮廓本身(countours)，还有一个是每条轮廓对应的属性(hierarchy)。
cv2.findContours()函数首先返回一个list，list中每个元素都是图像中的一个轮廓，用numpy中的ndarray表示。每个轮廓是一个ndarray，每个ndarray是轮廓上的点的集合。

---

• inrange

  void inRange(InputArray src, InputArray lowerb,
                            InputArray upperb, OutputArray dst);
  

根据上下的三位RGB数组来进行二值化

主要是将在两个阈值内的像素值设置为白色（255），而不在阈值区间内的像素值设置为黑色（0），该功能类似于之间所讲的双阈值化操作

---

• 形态学运算算子

  MORPH_OPEN – 开运算（Opening operation）
  MORPH_CLOSE – 闭运算（Closing operation）
  MORPH_GRADIENT - 形态学梯度（Morphological gradient）
  MORPH_TOPHAT - 顶帽（Top hat）
  MORPH_BLACKHAT - 黑帽（Black hat）
  

• 开运算：
  先腐蚀，再膨胀，可清除一些小东西(亮的)，放大局部低亮度的区域
• 闭运算：
  先膨胀，再腐蚀，可清除小黑点
• 形态学梯度：
  膨胀图与腐蚀图之差，提取物体边缘
• 顶帽：
  原图像-开运算图，突出原图像中比周围亮的区域
• 黑帽：
  闭运算图-原图像，突出原图像中比周围暗的区域

---

• 轮廓检测

(32条消息) opencv笔记二十九（轮廓发现）findContours(t2, contour, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0));_晴宁的博客-CSDN博客

根据二值化图像提取轮廓

---