python+opencv圖像處理

基于輪廓的圖像分割：

按照輪廓的面積進行排序，取前幾個面積最大的輪廓，畫出并且單獨顯示出來。

import cv2
import numpy

def func(img):

	gray = cv2.cvtColor(img,COLOR_BGR2RAGY) #灰階處理
	kernel = np.ones((3,3),np.uint8) 
	# 進行開閉運算，可視情況處理
	binary = cv2.morphologyEx(gray, cv2.MORPH_OPEN, kernel)
    closing = cv2.morphologyEx(binary,cv2.MORPH_CLOSE,kernel)
    # 使用自适應門檻值（局部鄰域塊的高斯權重和）
    th3 = cv2.adaptiveThreshold(
        gray, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 17, 7)
    contours, hierarchy = cv2.findContours(th3, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
    # 對輪廓進行排序，reverse為True表示降序
    contours.sort(key=cnt_arcLength, reverse=True)
    contourT = contours[:9]
    masks = []
    # 分别畫出九個輪廓
    for i in range(len(contourT)):
        black = np.zeros((img.shape[0], img.shape[1]), dtype=np.uint8)
        cv2.drawContours(black, contourT, i, 255, cv2.FILLED)
        contour_points = contour_cord(contourT[i])
        cv2.imshow('cnts', black)
        masks.append(black)
	# 對每個輪廓進行和操作
    for i in range(len(contourT)):
        res = cv2.add(img, np.zeros(np.shape(img), dtype=np.uint8), mask=masks[i])
        cv2.imshow('res' + str(i), res)

    cv2.drawContours(img, contourT, -1, (255, 0, 0), 2)
    cv2.imshow('cnt', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    print(contour_points.tolist())
    return contourT, contour_points


if __name__ == '__main__':
    inputimg = cv2.imread('men.jpg')
    func(inputimg)
           

結果如下：

剩餘圖檔不一一展示，有興趣的小夥伴可以自行嘗試。