基于vs的opencv的基础 对红白颜色的路牌进行识别，并最终将识别的路牌框选出来。

Human Pose Evaluator是一个包含人物图像和躯干标注数据，用以识别图像中的人物轮廓，以头，躯干，左右大臂，左右小臂6个线段表示人体轮廓，图像来自电视剧《Buffy the Vampire Slayer》中的画面进行人工标注。

import cv2 as cv import numpy as np def scan_edge_demo(img): gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY) gray = cv.GaussianBlur(gray,(3,3),0) scan_edge = cv.Canny(gray,60,150) return scan_edge def scan_contours(img): scan_edge =scan_edge_demo(img) aa,contours,b= cv.findContours(scan_edge,cv.RETR_TREE,cv.CHAIN_APPROX_SIMPLE) cv.drawContours(img,contours,-1,(0,255,255),thickness=4) cv.imshow("scan_contours",img) src = cv.imread("E:/opencv/picture/taijie.png") cv.imshow("inital_window",src) scan_contours(src) cv.waitKey(0) cv.destroyAllWindows() 图片： 分析： 1.Opencv发现轮廓的函数原型为：findContours(image, mode, method[, contours[, hierarchy[, offset]]]) -> image, contours, hierarchy image参数表示8位单通道图像矩阵，可以是灰度图，但更常用的是二值图像，一般是经过Canny、拉普拉斯等边缘检测算子处理过的二值图像。 所以输入源需要二值化（threshold）处理或者边缘处理canny后才行 mode参数表示轮廓检索模式： ①CV_RETR_EXTERNAL：只检测最外围轮廓，包含在外围轮廓内的内围轮廓被忽略。 ②CV_RETR_LIST：检测所有的轮廓，包括内围、外围轮廓，但是检测到的轮廓不建立等级关系，彼此之间独立，没有等级关系，这就意味着这个检索模式下不存在父轮廓或内嵌轮廓。 ③CV_RETR_CCOMP：检测所有的轮廓，但所有轮廓只建立两个等级关系，外围为顶层，若外围内的内围轮廓还包含了其他的轮廓信息，则内围内的所有轮廓均归属于顶层。 ④CV_RETR_TREE：检测所有轮廓，所有轮廓建立一个等级树结构，外层轮廓包含内层轮廓，内层轮廓还可以继续包含内嵌轮廓。 method参数表示轮廓的近似方法： ①CV_CHAIN_APPROX_NONE 存储所有的轮廓点，相邻的两个点的像素位置差不超过1，即max （abs (x1 - x2), abs(y2 - y1) == 1。 ②CV_CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息。 ③CV_CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法。 contours参数是一个list，表示存储的每个轮廓的点集合。 hierarchy参数是一个list,list中元素个数和轮廓个数相同，每个轮廓contours[i]对应4个hierarchy元素hierarchy[i][0] ~hierarchy[i][3]，分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号，如果没有对应项，则该值为负数。 offset参数表示每个轮廓点移动的可选偏移量。 2.Opencv绘制轮廓的函数原型为：drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]]) -> image imgae参数表示目标图像。 contours参数表示所有输入轮廓。 contourIdx参数表示绘制轮廓list中的哪条轮廓， 如果是负数，则绘制所有轮廓。 color参数表示轮廓的颜色。 thickness参数表示绘制的轮廓线条粗细，如果是负数，则绘制轮廓内部。 lineType参数表示线型。 hierarchy参数表示有关层次结构的可选信息。 maxLevel参数表示绘制轮廓的最大级别。 如果为0，则仅绘制指定的轮廓。 如果为1，则该函数绘制轮廓和所有嵌套轮廓。 如果为2，则该函数绘制轮廓，所有嵌套轮廓，所有嵌套到嵌套的轮廓，等等。 仅当有可用的层次结构时才考虑此参数。 offset参数表示可选的轮廓偏移参数，该参数可按指定的方式移动所有绘制的轮廓。 关于轮廓检测，什么的样的情况会被判断为轮廓呢？ 答：因为在做轮廓检测之前需要进行二值化，所以对于图像的整个ROI区域只有黑白两个颜色，而下面两种情况会被检测作为轮廓： 1. 白色区域与黑色区域的边缘交接区域 2. 当背景为白色时，整个ROI区域的外边界就会被视为轮廓。（往往我们希望背景是黑色，所以如果出现这种情况时我们需要在二值化图像时对图像取反）。

''' @Author: your name @Date: 2020-02-13 13:30:07 @LastEditTime: 2020-02-20 16:17:34 @LastEditors: Please set LastEditors @Description: 高斯平滑展示，边缘检测展示， 能够通过按键时时控制高斯平滑，高斯选择改变后改变高斯图和边缘检测图 边缘检测通过右侧两个滑条更改检测阈值 加入圆形检测 ''' import tkinter import os import cv2 import

本文实例为大家分享了python opencv识别图像轮廓的具体代码，供大家参考，具体内容如下 要求：用矩形或者圆形框住图片中的云朵（不要求全部框出） 轮廓检测 Opencv-Python接口中使用cv2.findContours()函数来查找检测物体的轮廓。 import cv2 img = cv2.imread('cloud.jpg') # 灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 二值化 ret, binary = cv2.threshold(gray, 175, 255, cv2.THRESH_BINARY) img1,

本代码内有详细的图像识别、图像轮廓提取、图像去噪、图像边缘提取等部分，只需要修改读取地址就能运行，保证能运行成功。程序附带详细说明，方便自己修改。

大部分教程都采用了轮廓识别的方法进行单目测距的实现，但经实验发现，此方法极易受到复杂环境的干扰，采用了颜色识别+轮廓检测的办法。先经过颜色识别提取，比如把明显的红色物体提取出来，屏蔽图片内掉其他非红色物体，就大大减少了干扰物，最后再加上轮廓识别方法进行单目测距的计算，提高的识别准确度。博客链接：https://blog.csdn.net/qq_30130435/article/details/86601370?spm=1001.2014.3001.5501

Human Pose Evaluator是一个包含人物图像和躯干标注数据，用以识别图像中的人物轮廓，以头，躯干，左右大臂，左右小臂6个线段表示人体轮廓，图像来自电视剧《Buffy the Vampire Slayer》中的画面进行人工标注。

基于U-Net网络的肺部CT图像中的肺结节轮廓识别，张驰，赵磊，在肺部CT图像切片上，肺结节很小并且有些肺结节与周围良性组织相连。由于肺结节的灰度值与周围良性组织的灰度值相差很小，这使得�

主要为大家详细介绍了Python Opencv实现图像轮廓识别功能，具有一定的参考价值，感兴趣的小伙伴们可以参考一下