書接上文(doge)

輪廓檢測(cè)并繪制

在上圖中，我們有6個(gè)形狀輪廓。讓我們通過(guò)代碼找到并繪制他們的輪廓：

在第34行和第35行，我們使用CV2。查找輪廓以檢測(cè)圖像中的輪廓。注意參數(shù)標(biāo)志，但現(xiàn)在讓我們保持簡(jiǎn)單——我們的算法是在閾值中查找所有前景（白色）像素。復(fù)制（）圖像。

第36行非常重要，因?yàn)?a class='article-link' target='_blank' href='//www.bilibili.com/read/cv2?from=articleDetail'>CV2。findContours的實(shí)現(xiàn)在OpenCV 2.4、OpenCV 3和OpenCV 4之間進(jìn)行了更改。無(wú)論涉及到什么樣的輪廓，博客上都會(huì)出現(xiàn)這種兼容性。

我們?cè)诘?7行復(fù)制原始圖像，以便在隨后的第40-45行繪制輪廓。

我們使用CVC列表中的每一行CNT47來(lái)適當(dāng)?shù)乩L制cnts。畫輪廓。我選擇了紫色，它由元組（240，0，159）表示。

根據(jù)我們之前在這篇博文中了解到的內(nèi)容，讓我們?cè)趫D像上疊加一些文本：

第48行構(gòu)建一個(gè)文本字符串，其中包含形狀輪廓的數(shù)量。計(jì)算這張圖像中物體的總數(shù)就像檢查輪廓列表的長(zhǎng)度一樣簡(jiǎn)單。

結(jié)果如下圖所示：

侵蝕和擴(kuò)張

腐蝕和膨脹通常用于減少二值圖像中的噪聲（閾值化的副作用）。

為了減小前景對(duì)象的大小，我們可以通過(guò)多次迭代來(lái)削弱像素：

在第55行，我們復(fù)制thresh圖像，同時(shí)將其命名為mask。

然后，利用CV2。侵蝕，我們繼續(xù)通過(guò)5次迭代來(lái)減小輪廓尺寸（第56行）。

如下圖所示，由俄羅斯方塊輪廓生成的面具略小：

類似地，我們可以在遮罩中顯示前景區(qū)域。要擴(kuò)大區(qū)域，只需使用CV2.dilate：

掩蔽和按位操作

遮罩允許我們“遮掩”我們不感興趣的圖像區(qū)域。我們稱它們?yōu)椤罢谡帧?，因?yàn)樗鼈儠?huì)隱藏我們不關(guān)心的圖像區(qū)域。

如果我們使用文章中的第四張圖片的thresh圖像，并用原始圖像遮罩它，我們將看到下圖：

在上圖中，背景現(xiàn)在是黑色的，前景由彩色像素組成——任何被遮罩圖像遮住的像素。

讓我們學(xué)習(xí)如何做到這一點(diǎn)：

通過(guò)復(fù)制二值閾值圖像生成掩模（第67行）。

從這里，我們使用CV2按位和兩幅圖像中的像素組合在一起。按位_和。

結(jié)果如上圖所示，我們現(xiàn)在只顯示/突出顯示俄羅斯方塊。

運(yùn)行第二個(gè)OpenCV教程Python腳本

上期簡(jiǎn)單的講了一下如何運(yùn)行這個(gè)程序，那么詳細(xì)教程來(lái)了！

（干嘛說(shuō)這么多廢話）

要運(yùn)行第二個(gè)腳本，請(qǐng)確保您位于包含下載的源代碼和Python腳本的文件夾中。從那里，我們將打開(kāi)一個(gè)終端，提供腳本名+命令行參數(shù)：

參數(shù)標(biāo)志是--image，圖像參數(shù)本身是俄羅斯方塊。png-目錄中相關(guān)文件的路徑。

此腳本沒(méi)有終端輸出。同樣，要循環(huán)瀏覽圖像，請(qǐng)確保單擊圖像窗口使其處于活動(dòng)狀態(tài)，從那里可以按一個(gè)鍵，它將被捕獲，以前進(jìn)到腳本中的下一個(gè)等待鍵（0）。當(dāng)程序完成運(yùn)行時(shí)，腳本將優(yōu)雅地退出，并在終端中顯示一個(gè)新的bash提示行。

PS:當(dāng)然也可以使用上一期所講的方法，上文是原作者寫的，而上一期的是我這個(gè)87找老師后的解答，兩者都可以運(yùn)行

以下是廢話時(shí)間（bushi）

那么，關(guān)于基于Python的Opencv入門教程的第二大Part也結(jié)束了。（沒(méi)想到兩期就趕完了）

接來(lái)應(yīng)該會(huì)更新關(guān)于這個(gè)外國(guó)作者的其他文章。

還有，視頻短時(shí)間內(nèi)是更不了了QAQ