1.颜色空间转换

使用cv2.cvtColor(input_image ，flag)，flag为转换类型

常用的转换类型有：

• BGR和灰度图的转换使用 cv2.COLOR_BGR2GRAY
• BGR和HSV的转换使用 cv2.COLOR_BGR2HSV
  

img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

2.二值化

• ret, dst = cv2.threshold(src, thresh, maxval, type)
• src：表示的是图片源（灰度图）
• thresh：表示的是阈值（起始值）
• maxval：表示的是最大值
• type：表示的是这里划分的时候使用的是什么类型的算法，常用值为0（cv2.THRESH_BINARY）
  

返回值

ret：指定的thresh

dst： 目标图像

ret, dst = cv2.threshold(img_gray, 200, 255, cv2.THRESH_BINARY)

3.查找并绘制轮廓

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

概述：

寻找一个二值图像的轮廓。注意黑色表示背景，白色表示物体，即在黑色背景里寻找白色物体的轮廓

参数：

• image: 8位单通道图像。非零像素值视为1，所以图像视作二值图像
• mode: 轮廓检索的方式
  • cv2.RETR_EXTERNAL: 只检索外部轮廓
  • cv2.RETR_LIST: 检测所有轮廓且不建立层次结构
  • cv2.RETR_CCOMP: 检测所有轮廓，建立两级层次结构。上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层。
  • cv2.RETR_TREE: 检测所有轮廓，建立完整的层次结构
• method: 轮廓近似的方法
  • cv2.CHAIN_APPROX_NONE: 存储所有的轮廓点
  • cv2.CHAIN_APPROX_SIMPLE: 压缩水平，垂直和对角线段，只留下端点。 例如矩形轮廓可以用4个点编码
  • cv2.CHAIN_APPROX_TC89_L1,cv2.CHAIN_APPROX_TC89_KCOS:使用Teh-Chini chain近似算法
• offset:（可选参数）轮廓点的偏移量，格式为tuple,如（-10，10）表示轮廓点沿X负方向偏移10个像素点，沿Y正方向偏移10个像素点
  

返回值：

• contours: 轮廓点。列表格式，每一个元素为一个3维数组（其形状为（n,1,2），其中n表示轮廓点个数，2表示像素点坐标）,表示一个轮廓
• hierarchy: 轮廓间的层次关系,为三维数组，形状为（1,n,4），其中n表示轮廓总个数，4指的是用4个数表示各轮廓间的相互关系。第一个数表示同级轮廓的下一个轮廓编号，第二个数表示同级轮廓的上一个轮廓的编号，第三个数表示该轮廓下一级轮廓的编号，第四个数表示该轮廓的上一级轮廓的编号
  

补充： 若想得到轮廓点的集合的列表，可使用

cnt = np.squeeze(contours[0])

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

参数：

• image: 需要绘制轮廓的目标图像，注意会改变原图
• contours: 轮廓点，上述函数cv2.findContours()的第一个返回值
• contourIdx: 轮廓的索引，表示绘制第几个轮廓，-1表示绘制所有的轮廓
• color: 绘制轮廓的颜色
• thickness:（可选参数）轮廓线的宽度，-1表示填充
• lineType:（可选参数）轮廓线型，包括cv2.LINE_4,cv2.LINE_8（默认）,cv2.LINE_AA,分别表示4邻域线，8领域线，抗锯齿线（可以更好地显示曲线）
• hierarchy:（可选参数）层级结构，上述函数cv2.findContours()的第二个返回值，配合maxLevel参数使用
• maxLevel:（可选参数）等于0表示只绘制指定的轮廓，等于1表示绘制指定轮廓及其下一级子轮廓，等于2表示绘制指定轮廓及其所有子轮廓
• offset:（可选参数）轮廓点的偏移量
  

import cv2
img = cv2.imread('D:/2.jpg',1)

img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, dst = cv2.threshold(img_gray, 200, 255, cv2.THRESH_BINARY)

contours,hierarchy = cv2.findContours(dst, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)
cv2.drawContours(img, contours, -1, (0, 255, 0), 3)

cv2.imshow('img',img)
cv2.waitKey(0)

4.点与轮廓位置关系

此功能可查找图像中的点与轮廓之间的最短距离。当点在轮廓外时返回负值，当点在内部时返回正值，如果点在轮廓上则返回零

dist = cv2.pointPolygonTest(cnt, (100, 100), True)

检查(100,100)与轮廓（cnt）的距离

在函数中，第二个参数需要tuple类型；第三个参数是measureDist。 如果为True，则查找距离. 如果为False，则查找该点是在内部还是外部或在轮廓上（它分别返回+1，-1，0）

如果不需要到距离，请确保第三个参数为False，因为这是一个耗时的过程。因此，将其设为False可提供2-3倍的加速

5.直线拟合fitline函数

output = cv2.fitLine(InputArray points, distType, param, reps, aeps)

参数：

• InputArray Points: 待拟合的直线的集合，必须是矩阵形式（如numpy.array)
• distType: 距离类型。fitline为距离最小化函数，拟合直线时，要使输入点到拟合直线的距离和最小化。这里的距离的类型有以下几种：
  • cv2.DIST_USER : User defined distance
  • cv2.DIST_L1: distance = |x1-x2| + |y1-y2|
  • cv2.DIST_L2: 欧式距离，此时与最小二乘法相同
  • cv2.DIST_C: distance = max(|x1-x2|,|y1-y2|)
  • cv2.DIST_L12: L1-L2 metric: distance = 2(sqrt(1+x*x/2) - 1))
  • cv2.DIST_FAIR
  • cv2.DIST_WELSCH
  • cv2.DIST_HUBER
• param: 距离参数，跟所选的距离类型有关，值可以设置为0
• reps,aeps: 第5/6个参数用于表示拟合直线所需要的径向和角度精度，通常情况下两个值均被设定为1e-2
  

返回值：

output：对于二维直线，输出output为4维，前两维代表拟合出的直线的方向，后两位代表直线上的一点。（即通常说的点斜式直线）

loc = np.array(loc)
output = cv2.fitLine(loc, cv2.DIST_L2, 0, 0.01, 0.01)
k = output[1] / output[0]
b = output[3] - k * output[2]#k[key]报错?

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。