OpenCV Python 在图像上查找和绘制对象的极点

要在输入图像中查找和绘制对象的极点，可以按照以下步骤进行：

首先需要导入所需的库。在以下所有 Python 示例中，所需的 Python 库是 OpenCV 。确保您已经安装了它。
下一步是使用 cv2.imread() 函数读取输入图像。指定图像路径和图像类型（.jpg 或 .png）。将输入图像转换为灰度图像。
在灰度图像上应用阈值处理以创建二值图像。调整第二个参数以获得更好的轮廓检测结果。

ret,thresh = cv2.threshold(gray,150,255,0)

使用 cv2.findContours() 函数在图像中找到轮廓。

contours, _ = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

选择一个轮廓（比如第一个轮廓） cnt 从轮廓的列表中。或者遍历所有的轮廓。
找到最左、最右、最上和最下的极值点。

leftmost = tuple(cnt[cnt[:,:,0].argmin()][0])
rightmost = tuple(cnt[cnt[:,:,0].argmax()][0])
topmost = tuple(cnt[cnt[:,:,1].argmin()][0])
bottommost = tuple(cnt[cnt[:,:,1].argmax()][0])

在图像上绘制这些极端点。要在图像上绘制一个点，我们可以绘制一个半径较小的填充圆。
在图像上显示绘制的轮廓和近似轮廓。

让我们通过一些Python示例来了解如何在图像中找到并绘制对象的极端点。

示例

以下是Python 3程序，展示了如何在图像中找到并绘制对象的极端点。

# import required libraries
import cv2

# load the input image
img = cv2.imread('four-point-star.png')

# convert the input image to grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# apply thresholding to convert grayscale to binary image
ret,thresh = cv2.threshold(gray,150,255,0)

# find the contours
contours,hierarchy = cv2.findContours(thresh,
cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
print("Number of contours detected:", len(contours))

# select the first contour
cnt = contours[0]

# find the extreme points
leftmost = tuple(cnt[cnt[:,:,0].argmin()][0])
rightmost = tuple(cnt[cnt[:,:,0].argmax()][0])
topmost = tuple(cnt[cnt[:,:,1].argmin()][0])
bottommost = tuple(cnt[cnt[:,:,1].argmax()][0])
points = [leftmost, rightmost, topmost, bottommost]

# draw the points on th image
for point in points:
   cv2.circle(img, point, 4, (0, 0, 255), -1)

# display the image with drawn extreme points
while True:
   cv2.imshow("Extreme Points", img)
   if cv2.waitKey(1) & 0xFF == 27:
      break
cv2.destroyAllWindows()

我们将使用以下图像作为该程序的输入文件：
OpenCV Python 在图像上查找和绘制对象的极点

输出

当我们执行上述代码时，它将产生以下输出：

Number of contours detected: 1

以下是我们得到的窗口显示的输出−

OpenCV Python 在图像上查找和绘制对象的极点

请注意，左侧最左、最右、最上和最下的四个极点都以红色绘制。

示例

在这个Python程序中，我们绘制了输入图像中对象的极点。

# import required libraries
import cv2

# load the input image
img = cv2.imread('two-shapes.png')

# convert the input image to grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# apply thresholding to convert grayscale to binary image
ret,thresh = cv2.threshold(gray,150,255,0)

# find the contours
contours,hierarchy = cv2.findContours(thresh,
cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
print("Number of contours detected:", len(contours))

# loop over all the contours
for cnt in contours:
   # extreme points
   leftmost = tuple(cnt[cnt[:,:,0].argmin()][0])
   rightmost = tuple(cnt[cnt[:,:,0].argmax()][0])
   topmost = tuple(cnt[cnt[:,:,1].argmin()][0])
   bottommost = tuple(cnt[cnt[:,:,1].argmax()][0])
   points = [leftmost, rightmost, topmost, bottommost]

   # draw the points on th image
   for point in points:
      cv2.circle(img, point, 4, (0, 0, 255), -1)

# display the image with drawn extreme points
while True:
   cv2.imshow("Extreme Points", img)
   if cv2.waitKey(1) & 0xFF == 27:
      break
cv2.destroyAllWindows()

我们将使用下面的图像作为此程序的输入文件。
OpenCV Python 在图像上查找和绘制对象的极点