当前位置：首页 > news >正文

15.图像模板轮廓检测

news 2025/7/16 9:01:05

模板匹配时，模板需要比原图小，或者缩小原图（缩小原图下次讲）

模板匹配算法 OpenCV模板匹配算法详解 - weiwei22844 - 博客园

import cv2
from matplotlib import pyplot as plt#导入 Matplotlib 库中的 pyplot 模块，并命名为 plt。#Matplotlib 是一个强大的绘图库，常用于绘制图表和图像显示。#就是窗口# OpenCV	BGR（Blue, Green, Red）# Matplotlib	RGB（Red, Green, Blue）
import numpy as np  #导入 NumPy 库，并命名为 np。#NumPy 提供了多维数组对象及各种派生对象（如掩模数组），并且包含大量用于数组快速操作的函数。# 如果图像不在脚本所在目录，请提供完整路径
img1_t =  cv2.imread(r"D:/Professional software package(new)/VS Projects/OPenCv/Picture/IMG_20231230_171718.jpg")#使用 OpenCV 函数读取图像文件。
img2_t= cv2.imread(r"D:/Professional software package(new)/VS Projects/OPenCv/Picture/202310281019103.jpg")                                        #它返回的是一个 NumPy 数组，其中包含了图像的像素数据。如果没有找到图像或路径错误，img 将是 None。
img3_t= cv2.imread(r"D:/Professional software package(new)/VS Projects/OPenCv/Picture/maoci1.jpg")                                        #它返回的是一个 NumPy 数组，其中包含了图像的像素数据。如果没有找到图像或路径错误，img 将是 None。# 检查图片是否成功加载
if img1_t is None:print("Error: 图像1加载失败,请检查文件路径和文件权限。")
elif img2_t is None:        print("Error: 图像2加载失败,请检查文件路径和文件权限。")
elif img3_t is None:        print("Error: 图像3加载失败,请检查文件路径和文件权限。")
else:# 将 BGR 图像转换为 RGB 图像以供 matplotlib 正确显示print(" 图像加载成功！")img1_rgb = cv2.cvtColor(img1_t, cv2.COLOR_BGR2RGB)#由于 OpenCV 默认使用 BGR 格式来存储图像数据，而大多数其他图像处理工具（包括 Matplotlib）使用 RGB 格式。                                    #因此，在用 Matplotlib 显示图像之前，我们需要将图像从 BGR 格式转换为 RGB 格式。img3_rgb = cv2.cvtColor(img3_t, cv2.COLOR_BGR2RGB)img2_rgb = cv2.cvtColor(img2_t, cv2.COLOR_BGR2RGB)                                                 #RGB 和 BGR 只是颜色通道的不同排序#添加函数 图片展示函数
def CV_Show(name,img,time,percent): scale_percent = percent  # 百分比width = int(img.shape[1] * scale_percent / 100)     #shape[1]：图片的宽度height = int(img.shape[0] * scale_percent / 100)    #shape[0]：图片的高度dim = (width, height)#格式为 (width, height)resized_img = cv2.resize(img, dim,interpolation=cv2.INTER_AREA)cv2.imshow(name, resized_img)cv2.waitKey(time*1000)#显示多少秒  cv2.destroyAllWindows()#***************预处理************
img2_gray=cv2.cvtColor(img2_rgb,cv2.COLOR_BGR2GRAY)#转化为灰白图  
img2_gray_ret,img2_gray_dst=cv2.threshold(img2_gray,150,255,cv2.THRESH_BINARY)#返回参数分别为  返回阈值，返回图片
#CV_Show("img2_img2_gray_dstgray",img2_gray_dst,3,50)
#********************************contours,hierarchy=cv2.findContours(img2_gray_dst,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)# contours: 找到的所有轮廓，每个轮廓是一个包含 x,y 坐标的数组。
# hierarchy: 每个轮廓对应的层次信息。这是一个数组，每个元素有 4 个整数，分别表示：
# 下一个同级轮廓的索引
# 上一个同级轮廓的索引
# 第一个子轮廓的索引
# 包含当前轮廓的第一个父轮廓的索引# 第2个输入值：mode: 轮廓检索模式
# 常用选项:
# cv2.RETR_EXTERNAL: 只检索最外层的轮廓。
# cv2.RETR_LIST: 检索所有轮廓但不创建任何层次关系。
# cv2.RETR_CCOMP: 检索所有轮廓并将它们组织成两级层次结构，即外部轮廓和孔洞。
# cv2.RETR_TREE: 检索所有轮廓并重建完整的层级结构。（常用）# 第1个输入值method: 轮廓近似方法
# 常用选项:
# cv2.CHAIN_APPROX_NONE: 存储所有的轮廓点。这意味着每个点都会被存储下来，这可能会占用较多内存。
# cv2.CHAIN_APPROX_SIMPLE: 压缩水平、垂直和对角方向的点，只保留端点。例如，一个矩形轮廓只需要存储四个顶点。
# 其他选项还包括 cv2.CHAIN_APPROX_TC89_L1, cv2.CHAIN_APPROX_TC89_KCOS 等，这些是基于Teh-Chin链逼近算法的方法。#绘制图片
#传入绘制图片，轮廓，轮廓索引，颜色模式，线条厚度
#注意输入图片的copy，不然原图会变
draw_img=img2_gray_dst.copy()
res=cv2.drawContours(draw_img,contours,-1,(0,0,255),2)#必须传入灰色图
CV_Show("res",res,3,50)
# 在图像 draw_img 上绘制轮廓。
# 参数详解：
# 参数	               含义
# draw_img	要绘制轮廓的原始图像（通常是彩色图像，3通道）
# contours	由 cv2.findContours() 找到的轮廓列表
# -1	        表示绘制所有轮廓（若为 0 则只绘制第一个轮廓）
# (0, 0, 255)	颜色，表示红色（BGR 格式）
# 2	        线宽，轮廓线的粗细（单位：像素）
# 返回值：
# res：绘制了轮廓的新图像。