opencv图像识别轮廓提取,python提取图像轮廓
前几天在给机械臂的井架做象棋综合设计。机械臂装置是我直接在网上买的(含机械臂，相机，草莓派，1600元)，但是机械臂不算太高级，精度很低。源代码提供了红、绿、蓝三种颜色方块的识别和抓取。
经过多次尝试，最终德里克棋子也决定采用3cm * 3cm * 3cm颜色的正方形。今天先写几个步骤吧。第一步是解决识别彩色方块的问题。
用渲染的手移动长方体，使外轮廓始终适合长方体的边缘。
在你的笔记本电脑上安装一个摄像头来捕捉图片并识别绿色方块。
import c v2 importnumpyasnpball _ color= green color _ dist={ red :{ lower 3360 NP . array }[0，60，60，60，60 upper 3360 NP.array ([ 90，255，25])，} cap=cv2 . video capture(0)0)cv2 . named window)、cv2 . www frame=cap . read(ifret:ifframesnonone 360 0 0 0)# pgddyx blurs color _ dist[ball _ color][ upper ]CNTs=cv2 . find contours(in cv2 . chain _ approx _ simple(-2)c=max key=cv2 . contourarea)rect=cv2 . minarerect(c)c)box=cv2[NP . int 0(box)]、-1 、( 0，255，255，255)2)ccox frame)cv2 . waitKey(1)else 3360 print)、wait key))、165) 释放(cv2 . waitkey)0)cv2 . destroyate
为了在python中读取相机图像，[Python OpenCV]捕获笔记本电脑和外部相机。
1 读取图像
Ball _ color= green color _ dist={ red :{ lower :NP . array([0，60，60])upper :NP)upper :NP . array([90，255，255])，}，}但是，如果要识别红色或蓝色，可以直接将ball _ color= green 改为ball_color=red 或ball_color=blue 。这里的color_dist包含了HSV模式下的颜色范围，后面会解释。
2 颜色定义
GS _ frame=cv2 . Gaussian blur(frame，(5，5)，0) # pgddyx fuzzy hsv=cv2.cvtColor)。
Gs_frame，cv2。COLOR_BGR2HSV) #转换成HSV图像erode _ HSV=cv2。erode (HSV，none，iterations=2) #腐蚀粗和细inrange _ HSV=cv2。inrange (erode _ HSV，color _ dist[ball _ color][ Lower ]，color _ dist[ball _ color][ Upper ])第一步，pgddyx模糊
原始图像是模糊的，以便于颜色提取。
Gs _ frame=cv2 .高斯模糊(frame，(5，5)，0)，其中
参数1:帧需要pgddyx模糊图像。
参数2: (5，PGDDYX矩阵的长和宽都是5。
参数三：0标准差为0。
未处理的原图如下(这个相机辣到原图看起来很模糊):
pgddyx的模糊图像(仔细看，你会发现比之前的更模糊)第二步，BGR转换为HSV
刚刚被pgddyx模糊的图像的颜色模式从BGR转换到HSV(不使用OpenCV中的RGB模式，而是使用BGR模式)。为什么使用HSV模式？因为这种模式更便于单色提取，具体原理我也不清楚。
hsv=cv2.cvtColor(gs_frame，cv2。COLOR_BGR2HSV)
参数1:GS _ frame的原始图像
参数二：cv2。COLOR_BGR2HSV颜色转换模式，从BGR到HSV
HSV模式下的图像：第三步，腐蚀
一般来说，图像被细化以去除噪声点。
erode_hsv=cv2.erode(hsv，None，iterations=2)
参数1: hsv原始图像
参数3:迭代次数=2腐蚀宽度
可以看到干扰少了很多(紫点少了很多)。第四步，去除背景部分
去掉除绿色以外的其他部分，将图像转换成二值图像。
in range _ HSV=cv2 . in range(erode _ HSV，color _ dist[ball _ color][ Lower ]，color _ dist[ball _ color][ Upper ])
参数erode _ hsv的原始图像
参数2:color _ dist[ball _ color][ lower ]的下限。
参数3:color _ dist[ball _ color][ upper ]的上限。
如图4 绘制矩形边框所示
CNTs=cv2 . find contours(in range _ HSV . copy()，cv2。RETR _外部，cv2。CHAIN _ APPROX _ SIMPLE)[-2]c=max(CNTs，key=cv2 . contourarea)rect=cv2 . minarerect(c)box=cv2 . box points(rect)cv2 . draw contours(frame，[np.int0(box)]，-1，(0，255，255)，2)第一步，找出外边界
CNTs=cv2 . find contours(in range _ HSV . copy()，cv2。RETR _外部，cv2。CHAIN_APPROX_SIMPLE)[-2]
使用此函数找到盒子的外部边界，并将其存储在cnts中。
查找等高线参考资料
第二步，找出矩形
找到边界中面积最大的区域，选择这个区域作为正方形所在的区域，画出这个区域的最小外接矩形，记录下这个矩形的位置坐标。
C=max(cnts，key=cv2.contourArea)来查找边界中的最大区域。
绘制该区域的最小外接矩形。
Box=cv2.boxPoints(rect)记录矩形四个点的位置坐标。
第三步，绘制矩形
在原始图像上绘制矩形边界。
cv2.drawContours(frame，[np.int0(box)]，-1，(0，255，255)，2)
参数1:帧目标图像
参数二：[np.int0(box)]大纲本身就是Python中的一个列表。
参数三：-1指定绘制轮廓列表中的哪条轮廓，如果为-1，则绘制所有轮廓。
参数四：(0，255，255)轮廓颜色BGR
参数5: 2轮廓宽度
最终结果如图所示。
文章的第一个图像是笔记本内置的摄像头拍摄的图像；
为了方便捕捉图像，代码解析过程中的图像都是外置usb摄像头，像素太低。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。