python 邊緣與輪廓檢測
要畫輪廓要先有邊緣檢測
邊緣檢測Edge detection是影像處理，幫助電腦可以抓取圖片中的物體，這項技術以檢查影像中各像素點的顏色變化來區分邊界，有邊緣之後，可以再從這些交錯的線條得到物體輪廓。
邊緣檢測 vs. 輪廓檢測
在圖像中有個容易搞混的概念，邊緣與輪廓的差異是什麼?
邊緣檢測：檢測圖像中像素的值有突然改變的地方。
輪廓檢測：檢測圖像中的物體邊界，也就像找出物體的邊界。
因此要知道有邊緣的地方不一定有邊界，有邊界的地方也不一定有邊緣。
邊緣檢測Edge detection
Python的opencv提供三種邊緣檢測的方法：Laplacian、Sobel、Canny，這三個技術都是利用灰階圖片，基於每個像素灰值的不同，利用不同物體在其邊界處會有明顯的邊緣特徵來檢測。
這三種方法可依技術原理分為兩種，以下為其餘補充事項。
Laplacian：對於圖片的雜訊相當敏感，因此通常會先將影像模糊化再做處理。
Sobel與Canny：這兩個方法擁有相同的底層技術，差異在於執行方式，Sobel以簡單的卷積過濾器偵測圖像上水平及縱向光度的改變，以加權平均方式計算各點的數值來決定邊緣。而Canny先將影像模糊化再進行非極大值抑制，因為Canny有先經過影像模糊化，故比較能處理影像雜訊問題。
編寫程式碼該注意事項
Laplacian
使用opencv中的Laplacian函式須指定輸出的影像浮點格式CV_64F，為什麼是使用64bits而非灰階的8bits呢？
因為Laplacian過程需進行black-to-white及white-to-black兩種轉換，在微分的梯度計算中black-to-white屬於正向的運算而white-to-black則是負向，灰階的8bits格式僅能儲存0-255的正值，因此必須使用64bits。
接下來須取其絕對值並轉為8bit的灰階資訊，這是一般在運行Laplacian運算時所建議的方法，網上的說法是此方式可保留所有的邊緣資訊：先轉出為64bit，再取絕對值轉為8bit。
Sobel
Sobel可以單獨針對X軸、Y軸、X與Y軸抓取其邊緣。
Canny
Canny 的邊緣檢測方法是先將影響模糊化去除不必要的資訊，再使用類似Sobel的方式取的XY軸邊緣。
Canny函式的第二與第三個參數是門檻參數，意指圖像的任一點像素，若其值大於threshold2，則認定它屬於邊緣像素，若小於threshold1則不為邊緣像素，介於兩者之間則由程式依其像素強度值運算後決定。
程式碼與實作效果
程式碼連結：https://gist.github.com/IvyQQQQQ/30e57cc081da76399c267d344a7b8dbb
輪廓檢測
使用上面的方法找出邊緣後，接下來便是確定輪廓。輪廓是一連串沒有間斷的點所組成的曲線。我們可借助opencv中的 cv2.findContours找到輪廓，利用cv2.boundingRect依照前面跑出的結果取出物體。圖像處理步驟如下：
程式碼與實作效果
程式碼連結：https://gist.github.com/IvyQQQQQ/e3dc2d7f69211fd5790fcf78bbd93905
參考連結
https://chtseng.wordpress.com/2016/12/05/opencv-edge-detection%E9%82%8A%E7%B7%A3%E5%81%B5%E6%B8%AC/
為什麼會看到廣告
留言0
查看全部
你可能也想看
Google News 追蹤
隨著理財資訊的普及，越來越多台灣人不再將資產侷限於台股，而是將視野拓展到國際市場。特別是美國市場，其豐富的理財選擇，讓不少人開始思考將資金配置於海外市場的可能性。
然而，要參與美國市場並不只是盲目跟隨標的這麼簡單，而是需要策略和方式，尤其對新手而言，除了選股以外還會遇到語言、開戶流程、Ap
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
在影像辨識中，若遇到物件與背景難以分辨的狀況下，先做一下色彩分析，知道了色彩強度階層上的像素數，有助於了解後續需要做什麼處理，比較好分割出辨識物。
若想辨識的物件與背景的RGB值過於接近，也比較好說明此狀況，為什麼較難分割出物件。
成果呈現
第一張圖：左邊為原圖，右邊為分析結果的圖，用其他顏
觀看本文將可以學習到如何利用Numpy求得物件的邊緣點，及算出物件的寬跟高。
有詳細的程式邏輯說明，及各函式用法說明。
綠點及紅點則是採樣到的邊界點，比較粗的點是偵測到的最大值
完整程式碼
import cv2
import numpy as np
import matplotl
在影像處理中，我們總是想要讓特徵更加明顯一點，可以使用銳利化的方式將特徵的邊緣增強，提升影像的細節，圖像銳利後就會有提升解析度的感覺。
拉普拉斯運算子是一種常用於影像增強的方法之一，特別是用於提高影像的邊緣和細節。
在OpenCV中，你可以使用cv2.Laplacian函數來應用拉普拉斯運算子。
廢話不多說，先上成果圖。
成果圖
主要實現方法
1.灰階後利用cv2.Canny找物體的邊緣
2.找物件相對應的直線cv2.HoughLines
3.分類為橫向和垂直的直線角度，求得相對於物件的旋轉角度
4.根據算出的相對應旋轉角度將物件轉正
形態學操作在影像處理中有多種應用，特別是在處理二值化影像（黑白影像）。
在影像處理應用上，基本上都由侵蝕，膨脹這兩種方法，組合搭配而成。
常見應用場景
物體檢測與分割：
形態學操作可以用於增強或改善二值化影像中的物體邊界，使得物體的檢測和分割更加準確。
本文介紹如何使用OpenCV的分水嶺演算法來實作硬幣的影像分割。除了官方範例外，還加入取出分割後物件的中心點來標註的功能。透過二值化、距離圖、前景圖、分割背景圖等步驟，最後應用分水嶺演算法進行硬幣的分割。本文也提供程式範例及圖示逐步解析演算法。
本文介紹OpenCV中的SimpleBlobDetector用於檢測斑點或圓，以及其與霍夫轉換找圓方法的差異。透過程式範例和解析，講解檢測到的關鍵點和設定參數，並整理SimpleBlobDetector與霍夫轉換的不同。最後，探討不同的應用場景和參數調整。
大部分在求物件的寬度及高度，都會想到用OpenCV的findContours函式來做，從找到的輪廓中來計算物件的面積，周長，邊界框等屬性，從而得到物體的寬度與高度
[OpenCV應用][Python]利用findContours找出物件邊界框求出寬度及高度
本文將用不同的方法，利用Numpy
本文將利用OpenCV的findContours函式，從找到的輪廓中來計算物件的面積，周長，邊界框等屬性，從而得到物體的寬度與高度。
一般來說，我們在進行輪廓檢測時，會先進行圖像二值化，將對象轉換為白色，背景為黑色。這樣，在找到輪廓後，輪廓的點就會以白色表示，背景為黑色。
結果圖
從圖中綠色框
[影像處理_OpenCV Python]使用Python撰寫影像處理功能，圖片遮罩或濾除掉不要的地方，旋轉圖片
以下範例將呈現影像處理三種不同的應用：
遮罩的實現
濾除
旋轉
隨著理財資訊的普及，越來越多台灣人不再將資產侷限於台股，而是將視野拓展到國際市場。特別是美國市場，其豐富的理財選擇，讓不少人開始思考將資金配置於海外市場的可能性。
然而，要參與美國市場並不只是盲目跟隨標的這麼簡單，而是需要策略和方式，尤其對新手而言，除了選股以外還會遇到語言、開戶流程、Ap
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
在影像辨識中，若遇到物件與背景難以分辨的狀況下，先做一下色彩分析，知道了色彩強度階層上的像素數，有助於了解後續需要做什麼處理，比較好分割出辨識物。
若想辨識的物件與背景的RGB值過於接近，也比較好說明此狀況，為什麼較難分割出物件。
成果呈現
第一張圖：左邊為原圖，右邊為分析結果的圖，用其他顏
觀看本文將可以學習到如何利用Numpy求得物件的邊緣點，及算出物件的寬跟高。
有詳細的程式邏輯說明，及各函式用法說明。
綠點及紅點則是採樣到的邊界點，比較粗的點是偵測到的最大值
完整程式碼
import cv2
import numpy as np
import matplotl
在影像處理中，我們總是想要讓特徵更加明顯一點，可以使用銳利化的方式將特徵的邊緣增強，提升影像的細節，圖像銳利後就會有提升解析度的感覺。
拉普拉斯運算子是一種常用於影像增強的方法之一，特別是用於提高影像的邊緣和細節。
在OpenCV中，你可以使用cv2.Laplacian函數來應用拉普拉斯運算子。
廢話不多說，先上成果圖。
成果圖
主要實現方法
1.灰階後利用cv2.Canny找物體的邊緣
2.找物件相對應的直線cv2.HoughLines
3.分類為橫向和垂直的直線角度，求得相對於物件的旋轉角度
4.根據算出的相對應旋轉角度將物件轉正
形態學操作在影像處理中有多種應用，特別是在處理二值化影像（黑白影像）。
在影像處理應用上，基本上都由侵蝕，膨脹這兩種方法，組合搭配而成。
常見應用場景
物體檢測與分割：
形態學操作可以用於增強或改善二值化影像中的物體邊界，使得物體的檢測和分割更加準確。
本文介紹如何使用OpenCV的分水嶺演算法來實作硬幣的影像分割。除了官方範例外，還加入取出分割後物件的中心點來標註的功能。透過二值化、距離圖、前景圖、分割背景圖等步驟，最後應用分水嶺演算法進行硬幣的分割。本文也提供程式範例及圖示逐步解析演算法。
本文介紹OpenCV中的SimpleBlobDetector用於檢測斑點或圓，以及其與霍夫轉換找圓方法的差異。透過程式範例和解析，講解檢測到的關鍵點和設定參數，並整理SimpleBlobDetector與霍夫轉換的不同。最後，探討不同的應用場景和參數調整。
大部分在求物件的寬度及高度，都會想到用OpenCV的findContours函式來做，從找到的輪廓中來計算物件的面積，周長，邊界框等屬性，從而得到物體的寬度與高度
[OpenCV應用][Python]利用findContours找出物件邊界框求出寬度及高度
本文將用不同的方法，利用Numpy
本文將利用OpenCV的findContours函式，從找到的輪廓中來計算物件的面積，周長，邊界框等屬性，從而得到物體的寬度與高度。
一般來說，我們在進行輪廓檢測時，會先進行圖像二值化，將對象轉換為白色，背景為黑色。這樣，在找到輪廓後，輪廓的點就會以白色表示，背景為黑色。
結果圖
從圖中綠色框
[影像處理_OpenCV Python]使用Python撰寫影像處理功能，圖片遮罩或濾除掉不要的地方，旋轉圖片
以下範例將呈現影像處理三種不同的應用：
遮罩的實現
濾除
旋轉