来源：自学PHP网 时间：2020-09-27 14:57 作者：小飞侠 阅读:次
[导读] Python Opencv实现单目标检测的示例代码...
|
今天带来Python Opencv实现单目标检测的示例代码教程详解
一 简介 目标检测即为在图像中找到自己感兴趣的部分，将其分割出来进行下一步操作，可避免背景的干扰。以下介绍几种基于opencv的单目标检测算法，算法总体思想先尽量将目标区域的像素值全置为1，背景区域全置为0，然后通过其它方法找到目标的外接矩形并分割，在此选择一张前景和背景相差较大的图片作为示例。 环境：python3.7 opencv4.4.0 二 背景前景分离 1 灰度+二值+形态学 轮廓特征和联通组件 根据图像前景和背景的差异进行二值化，例如有明显颜色差异的转换到HSV色彩空间进行分割。 1 原图 2 灰度化 3 二值化 4 形态学处理 5 提取轮廓并找出目标外接矩形 代码封装：
def get_roi_contours(image_path, morph_size, num_morph):
'''
参数详解：
image_path：所需处理图片路径
morph_size：形态学处理核的大小
num_morph：进行形态学处理的次数
'''
image = cv2.imread(image_path, cv2.IMREAD_COLOR)
#灰度转换
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
#二值化
threhold, binary_image = cv2.threshold(gray_image, 0, 255, cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)
#形态学操作
kernel = cv2.getStructuringElement(shape=cv2.MORPH_RECT, ksize=morph_size)
morph_image = cv2.morphologyEx(binary_image, cv2.MORPH_CLOSE, kernel)
for i in range(num_morph-1):
morph_image = cv2.morphologyEx(morph_image, cv2.MORPH_CLOSE, kernel)
#查找轮廓
contours, hierarchy = cv2.findContours(morph_image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
#选取轮廓面积最大的轮廓
area = 0
max_area_index = 0
for j in range(len(contours)):
if area < cv2.contourArea(contours[j]):
max_area_index = j
area = cv2.contourArea(contours[j])
rect = cv2.boundingRect(contours[max_area_index])
return rect
6 通过联通组件找到外接矩形
def get_roi_ConCom(image_path, morph_size, num_morph):
'''
参数详解：
image_path：所需处理图片路径
morph_size：形态学处理核的大小
num_morph：进行形态学处理的次数
'''
image = cv2.imread(image_path, cv2.IMREAD_COLOR)
#灰度转换
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
#二值化
threhold, binary_image = cv2.threshold(gray_image, 0, 255, cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)
#形态学操作
kernel = cv2.getStructuringElement(shape=cv2.MORPH_RECT, ksize=morph_size)
morph_image = cv2.morphologyEx(binary_image, cv2.MORPH_CLOSE, kernel)
for i in range(num_morph-1):
morph_image = cv2.morphologyEx(morph_image, cv2.MORPH_CLOSE, kernel)
#联通组件查询
numlabels, components_img, stats, centers = cv2.connectedComponentsWithStats(morph_image, 8)
#获取除背景外的所有联通组件
stats_without_back = stats[1:]
#获取除背景外的所有联通组件的面积最大值
max_area = np.max(stats_without_back, axis=0)[-1]
#获取面积最大联通组件的index
max_area_index = stats_without_back[:, -1]==max_area
rect = stats_without_back[max_area_index]
return np.squeeze(rect)[0:4]
2 Kmeans聚类实现前景和背景的分离 1 kmeans聚类后的图像，由于簇的中心是随机初始化的，所以目标的像素值可能为0，也可能为1，若采用opencv的findContours则要求前景像素值为1。 2 利用轮廓特征找外接矩形 由于Kmeans随机初始化簇中心导致前景目标像素不确定，采用边缘提取的方法再查找轮廓。 边缘图：
|
自学PHP网专注网站建设学习,PHP程序学习,平面设计学习，以及操作系统学习
京ICP备14009008号-1@版权所有www.zixuephp.com
网站声明：本站所有视频，教程都由网友上传，站长收集和分享给大家学习使用，如由牵扯版权问题请联系站长邮箱904561283@qq.com
