opencv函數findcontours_基于python+opencv的實時圖像處理

初學OpenCV圖像處理的小夥伴肯定對什麼高斯函數、濾波處理、門檻值二值化等特性非常頭疼，這裡給各位分享一個小項目，可通過攝像頭實時動态檢視各類圖像處理的特點。

0.OpenCV

OpenCV是一個基于BSD許可（開源）發行的跨平台計算機視覺和機器學習軟體庫，可以運作在Linux、Windows、Android和Mac OS作業系統上。[1]它輕量級而且高效——由一系列 C 函數和少量 C++ 類構成，同時提供了Python、Ruby、MATLAB等語言的接口，實作了圖像處理和計算機視覺方面的很多通用算法。

1.設計功能

基于python+OpenCV，本項目可實作對攝像頭實時采集資料的門檻值二值化，邊緣檢測，輪廓檢測，高斯濾波，色彩轉換和對比度調節。

2.導入庫檔案

這裡主要使用PySimpleGUI、cv2和numpy庫，PySimpleGUI庫檔案實作GUI可視化，cv2庫檔案是Python的OpenCV接口檔案，numpy庫檔案實作數值的轉換和運算，均可通過pip導入。

import 
           

3.設計GUI

基于PySimpleGUI庫檔案實作GUI設計，本項目界面設計較為簡單，設計800X400尺寸大小的框圖，綠色背景，主要由攝像頭界面區域和控制按鈕區域兩部分組成。效果如下所示：

設計GUI的代碼如下：

sg.theme('Green')

layout = [
  [sg.Image(filename='', key='image')],
  [sg.Radio('None', 'Radio', True, size=(10, 1))],
  [sg.Radio('threshold', 'Radio', size=(10, 1), key='thresh'),
   sg.Slider((0, 255), 128, 1, orientation='h', size=(40, 15), key='thresh_slider')],
  [sg.Radio('canny', 'Radio', size=(10, 1), key='canny'),
   sg.Slider((0, 255), 128, 1, orientation='h', size=(20, 15), key='canny_slider_a'),
   sg.Slider((0, 255), 128, 1, orientation='h', size=(20, 15), key='canny_slider_b')],
  [sg.Radio('contour', 'Radio', size=(10, 1), key='contour'),
   sg.Slider((0, 255), 128, 1, orientation='h', size=(20, 15), key='contour_slider'),
   sg.Slider((0, 255), 80, 1, orientation='h', size=(20, 15), key='base_slider')],
  [sg.Radio('blur', 'Radio', size=(10, 1), key='blur'),
   sg.Slider((1, 11), 1, 1, orientation='h', size=(40, 15), key='blur_slider')],
  [sg.Radio('hue', 'Radio', size=(10, 1), key='hue'),
   sg.Slider((0, 225), 0, 1, orientation='h', size=(40, 15), key='hue_slider')],
  [sg.Radio('enhance', 'Radio', size=(10, 1), key='enhance'),
   sg.Slider((1, 255), 128, 1, orientation='h', size=(40, 15), key='enhance_slider')],
  [sg.Button('Exit', size=(10, 1))],
]
           

4.調用攝像頭

打開電腦内置攝像頭，将資料顯示在GUI界面上，代碼如下：

#打開内置攝像頭
    cap = cv2.VideoCapture(0)
    while True:
        event, values = window.read(timeout=0, timeout_key='timeout')
 
        #實時讀取圖像
        ret, frame = cap.read()
 
        #GUI實時更新
        imgbytes = cv2.imencode('.png', frame)[1].tobytes()
        window['image'].update(data=imgbytes)
 
    window.close()
           

5.實時圖像處理

5.1 門檻值二值化

進行門檻值二值化操作，大于門檻值values['thresh_slider']的，使用255表示，小于門檻值values['thresh_slider']的，使用0表示，代碼如下所示：

if values['thresh']:
    frame = cv2.cvtColor(frame, cv2.COLOR_BGR2LAB)[:, :, 0]
    frame = cv2.threshold(frame, values['thresh_slider'], 255, cv2.THRESH_BINARY)[1]
           

4.2 邊緣檢測

進行邊緣檢測，values['canny_slider_a']表示最小門檻值，values['canny_slider_b']表示最大門檻值，代碼如下所示：

if values['canny']:
    frame = cv2.Canny(frame, values['canny_slider_a'], values['canny_slider_b'])
           

4.3 輪廓檢測

輪廓檢測是形狀分析和物體檢測和識别的有用工具，連接配接所有連續點（沿着邊界）的曲線，具有相同的顔色或強度，代碼如下所示：

if values['contour']:
    hue = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    hue = cv2.GaussianBlur(hue, (21, 21), 1)
    hue = cv2.inRange(hue, np.array([values['contour_slider'], values['base_slider'], 40]),
                      np.array([values['contour_slider'] + 30, 255, 220]))
    cnts= cv2.findContours(hue, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[0]
    cv2.drawContours(frame, cnts, -1, (0, 0, 255), 2)
           

4.4 高斯濾波

進行高斯濾波,(21, 21)表示高斯矩陣的長與寬都是21，标準差取values['blur_slider']，代碼如下所示:

if values['blur']:
    frame = cv2.GaussianBlur(frame, (21, 21), values['blur_slider'])
           

4.5、色彩轉換

色彩空間的轉化，HSV轉換為BGR,代碼如下所示:

if values['hue']:
    frame = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    frame[:, :, 0] += int(values['hue_slider'])
    frame = cv2.cvtColor(frame, cv2.COLOR_HSV2BGR)
           

4.6、調節對比度

增強對比度，使圖像中的細節看起來更加清晰，代碼如下所示：

if values['enhance']:
    enh_val = values['enhance_slider'] / 40
    clahe = cv2.createCLAHE(clipLimit=enh_val, tileGridSize=(8, 8))
    lab = cv2.cvtColor(frame, cv2.COLOR_BGR2LAB)
    lab[:, :, 0] = clahe.apply(lab[:, :, 0])
    frame = cv2.cvtColor(lab, cv2.COLOR_LAB2BGR)
           

5、退出系統

直接break即可跳出循環。

if event == 'Exit' or event is None:
    break
           

完整代碼如下：