这期内容当中小编将会给大家带来有关怎么在Python中使用OpenCV标记图像区域轮廓，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。
import cv2 as cv
src = cv.imread("./demo.jpg")
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
# cv.imshow("src", src)
gray = cv.GaussianBlur(gray, (5, 5), 0)
edges = cv.Canny(gray, 70, 210)
cv.imshow("edged", edges)轮廓检测
下面就是检测图像轮廓具体位置的代码了：
contours, hierarchy = cv.findContours(edges.copy(), cv.RETR_LIST, cv.CHAIN_APPROX_SIMPLE)
print(f"轮廓数量：{len(contours)}")在cv.findContours(edges, cv.RETR_LIST, cv.CHAIN_APPROX_SIMPLE) 中，第二个参数使用的是cv.RETR_LIST，该参数值表示检测所有轮廓，不建立等级关系，彼此独立。如果只想获取轮廓边缘信息,不关心是否嵌套在另一个轮廓之内，使用该参数值即可。
第三个参数使用的是cv.CHAIN_APPROX_SIMPLE，表示压缩水平方向，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，这也是为了后面便于计算。
观察上图，可以发现最外侧的边缘面积是较大的，所以依据面积进行排序，依据其他值也可以，获取面积较大的轮廓。
contours = sorted(contours, key = cv.contourArea, reverse = True)[:3]
对轮廓进行简单绘制，获得下图效果。
cv.drawContours(src,contours,-1,(0,0,255),2)
遍历轮廓，计算轮廓近似
先看代码：
# 遍历轮廓 for c in contours: # 计算轮廓近似 peri = cv.arcLength(c, True) approx = cv.approxPolyDP(c, 0.02 * peri, True)
一个新的函数cv.arcLength，该函数的原型如下：
retval = cv2.arcLength(curve, closed)
该函数用于计算轮廓的周长。
下面的cv.approxPolyDP 函数原型如下：
approxCurve = cv2.approxPolyDP(curve, epsilon, closed[, approxCurve])
函数参数如下：
curve：源图像的某个轮廓；
epsilon：距离值，表示多边形的轮廓接近实际轮廓的程度，值越小，越精确；
closed：轮廓是否闭合。
最重要的参数就是epsilon 简单记忆为：该值越小，得到的多边形角点越多，轮廓越接近实际轮廓，该参数是一个准确度参数。
该函数返回值为轮廓近似多边形的角点。
最后判断，当上文返回的角点为 4 的时候，提取轮廓，代码如下：
# 遍历轮廓 for c in contours: # 计算轮廓近似 peri = cv.arcLength(c, True) approx = cv.approxPolyDP(c, 0.02 * peri, True) # 当恰好是 4 个角点的时候，获取轮廓。 if len(approx) == 4: screen_cnt = approx break # 结果显示 cv.drawContours(src, [screen_cnt], -1, (0, 0, 255), 2)
更换图片，进行再次轮廓检测，注意修改轮廓近似部分代码即可。
# 遍历轮廓 for c in contours: # 计算轮廓近似 approx = cv.approxPolyDP(c, 30, True) if len(approx) == 4: screen_cnt = approx break
上述就是小编为大家分享的怎么在Python中使用OpenCV标记图像区域轮廓了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注创新互联行业资讯频道。
