python-opencv获取二值图像轮廓及中心点坐标的代码

在Python的计算机视觉领域，OpenCV库是一个非常重要的工具，它提供了丰富的图像处理功能。本文将详细介绍如何使用OpenCV获取二值图像的轮廓以及这些轮廓的中心点坐标。 我们要加载二值图像。二值图像是一种黑白图像，通常由0（背景）和255（前景）两个值组成。在Python中，我们可以使用`cv2.imread()`函数读取图像，通过指定第三个参数为0来读取灰度图像，即二值图像的一种形式： ```python groundtruth = cv2.imread(groundtruth_path)[:, :, 0] ``` 接下来，我们需要找到图像中的轮廓。OpenCV的`cv2.findContours()`函数用于检测图像中的轮廓。在这个例子中，`cv2.RETR_EXTERNAL`表示只提取外轮廓，`cv2.CHAIN_APPROX_SIMPLE`则用于压缩水平、垂直和对角线方向的连续像素点，以减少内存占用： ```python contours, hierarchy = cv2.findContours(groundtruth.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) ``` `findContours()`函数返回两个值，`contours`是轮廓列表，而`hierarchy`包含了轮廓之间的层次关系，但在这里我们主要关注轮廓本身。 为了获取每个轮廓的中心点坐标，我们可以计算轮廓的矩。矩是描述形状特征的数学对象，其中一阶矩`m10`和`m01`对应于质心的x和y坐标，而`m00`是面积。我们可以通过以下方式获取中心点坐标： ```python M = cv2.moments(contours[0]) center_x = int(M["m10"] / M["m00"]) center_y = int(M["m01"] / M["m00"]) ``` 注意，这里我们只处理了第一个（可能也是唯一的一个）轮廓，因为原代码有一个条件检查`if len(contours) != 1:`，这意味着如果找到的轮廓数量不是1，程序将不会继续执行后续步骤。这可能取决于具体的应用场景，例如在处理单个目标的情况下。 为了可视化轮廓和中心点，我们可以创建一个新的图像，并在上面绘制轮廓和圆心： ```python image = np.zeros([h1, w1], dtype=groundtruth.dtype) cv2.drawContours(image, contours, 0, 255, -1) # 绘制轮廓，填充 cv2.circle(image, (center_x, center_y), 7, 128, -1) # 绘制中心点 cv2.imwrite("1.png", image) # 保存结果图像 ``` 这样，我们就成功地获取了二值图像的轮廓及其中心点坐标，并将结果保存到了名为"1.png"的图像文件中。这个过程在物体识别、目标跟踪、形状分析等计算机视觉任务中非常常见。 总结一下，通过使用OpenCV的`findContours()`函数、计算轮廓的矩以及`drawContours()`和`circle()`函数，我们可以实现从二值图像中提取轮廓并找到其中心点的功能。这些基础操作对于进行更复杂的图像处理和分析任务至关重要。