怎么使用Python第三方opencv庫實(shí)現(xiàn)圖像分割處理

這篇文章主要介紹了怎么使用Python第三方opencv庫實(shí)現(xiàn)圖像分割處理的相關(guān)知識，內(nèi)容詳細(xì)易懂，操作簡單快捷，具有一定借鑒價值，相信大家閱讀完這篇怎么使用Python第三方opencv庫實(shí)現(xiàn)圖像分割處理文章都會有所收獲，下面我們一起來看看吧。

前言

所需要安裝的庫有：

pip install opencv-python

pip install matplotlib

首先，導(dǎo)入所用到的庫：

import cv2
import os,shutil
from matplotlib import pyplot as plt

1.加載圖片

注意：這里在傳入圖像路徑時，路徑中不能包含有中文名，否則會報(bào)錯?。。?/p>

###1，加載圖片
filepath = './testImage.png'  ###圖像路徑，注意：這里的路徑不能包含有中文名
img = cv2.imread(filepath)
cv2.imshow('Orignal img', img)  ###顯示圖片
cv2.waitKey(0) ###防止一閃而過，是一個鍵盤綁定函數(shù)（0表示按下任意鍵終止）

2.對圖片做灰度處理

###2，將彩色圖片變?yōu)榛疑ㄟM(jìn)行灰度處理）
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow('img_gray', img_gray)
cv2.waitKey(0)

3.對圖片做二值化處理

thresh=220是自定義設(shè)定的閾值(通過分析print(img_gray)的圖像數(shù)據(jù)大概得到的)，像素值大于220被置成了0，小于220的被置成了255。

maxval=與 THRESH_BINARY 和 THRESH_BINARY_INV 閾值一起使用的最大值，可理解是填充色，范圍為（0～255）。

type：參數(shù)類型閾值類型（ cv2.THRESH_BINARY 大于閾值的部分被置為255，小于部分被置為0（黑白二值） cv2.THRESH_BINARY_INV 大于閾值部分被置為0，小于部分被置為255（黑白二值反轉(zhuǎn)——白黑） 等其它的類型...... ）

###3，將圖片做二值化處理
    '''
        thresh=220是自定義設(shè)定的閾值(通過分析print(img_gray)的圖像數(shù)據(jù)大概得到的)，像素值大于220被置成了0，小于220的被置成了255
        maxval=與 THRESH_BINARY 和 THRESH_BINARY_INV 閾值一起使用的最大值，可理解是填充色，范圍為（0～255）。
        type：參數(shù)類型閾值類型（
              cv2.THRESH_BINARY 大于閾值的部分被置為255，小于部分被置為0（黑白二值）
              cv2.THRESH_BINARY_INV 大于閾值部分被置為0，小于部分被置為255（黑白二值反轉(zhuǎn)——白黑）
              等其它的類型......
              ）
        '''
ret, img_inv = cv2.threshold(src=img_gray, thresh=220, maxval=255, type=cv2.THRESH_BINARY_INV)
cv2.imshow('img_inv', img_inv)
cv2.waitKey(0)

3.1.自定義閾值

###閾值對比（全局閾值（v = 127），自適應(yīng)平均閾值，自適應(yīng)高斯閾值）
def threshContrast():
    filepath = './testImage.png'
    img = cv2.imread(filepath)
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    img_gray = cv2.medianBlur(img_gray, 5)
    ret1, th2 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)
    th3 = cv2.adaptiveThreshold(img_gray, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)
    th4 = cv2.adaptiveThreshold(img_gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)
    title = ['原始圖像(灰度)','全局閾值（v = 127）','自適應(yīng)平均閾值','自適應(yīng)高斯閾值']
    images = [img_gray, th2, th3, th4]
    for i in range(4):
        plt.subplot(2, 2, i + 1), plt.imshow(images[i], 'gray')
        # plt.title(title[i]) ###plt繪圖時不能使用中文
        plt.xticks([]), plt.yticks([])
    plt.show()

4.提取輪廓

img_inv是尋找輪廓的圖像；

• cv2.RETR_EXTERNAL：表示只檢索極端外部輪廓；

• cv2.CHAIN_APPROX_SIMPLE：壓縮水平, 垂直和對角線方向的元素，只保留它們的端點(diǎn)坐標(biāo)，例如，一個直立的矩形輪廓用 4 個點(diǎn)進(jìn)行編碼。

###4，提取輪廓
    '''
        https://docs.opencv.org/4.5.2/d4/d73/tutorial_py_contours_begin.html
        img_inv是尋找輪廓的圖像；
        cv2.RETR_EXTERNAL：表示只檢索極端外部輪廓；
        cv2.CHAIN_APPROX_SIMPLE：壓縮水平, 垂直和對角線方向的元素，只保留它們的端點(diǎn)坐標(biāo)，例如，一個直立的矩形輪廓用 4 個點(diǎn)進(jìn)行編碼。
    '''
 contours,hierarchy = cv2.findContours(img_inv, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
 print(f'檢測出輪廓數(shù)量有：{len(contours)}個')
 print('返回值為各層輪廓的索引：\n', hierarchy)

5.對輪廓畫矩形框

###5，找出每一個輪廓繪畫出的矩形位置
br = []
cntid = 0
for cnt in contours:
        '''cnt表示輸入的輪廓值，x，y, w, h 分別表示外接矩形的x軸和y軸的坐標(biāo)，以及矩形的w寬和h高,'''
    x, y, w, h = cv2.boundingRect(cnt)
    cntid += 1
    print(f'檢測出第{cntid}個輪廓畫出的矩形位置為：x={x},y={y},w={w},h={h}')
    br.append(cv2.boundingRect(cnt))
        '''img表示輸入的需要畫的圖片(這里就是在原圖上繪制輪廓)，cnt表示輸入的輪廓值，-1表示contours中輪廓的索引(這里繪制所有的輪廓)，(0, 0, 255)表示rgb顏色——紅色，2表示線條粗細(xì)'''
    cv2.drawContours(img, [cnt], -1, (0, 0, 255), 2)
    cv2.imshow('cnt', img)
    cv2.waitKey(0)
br.sort() ###將列表中的每一個元組里面的進(jìn)行升序排序（這里其實(shí)想的是按照對應(yīng)的x軸坐標(biāo)進(jìn)行升序）

對每個字符畫輪廓的過程（順序從右到左畫，期間也有可能斷續(xù)，如下圖）。

6.分割圖片并保存

###6，分割圖片并保存（這里對前面處理過的二值化圖片數(shù)據(jù)（img_inv）進(jìn)行分割）
if not os.path.exists('./imageSplit'):
    os.mkdir('./imageSplit')
else:
    shutil.rmtree('./imageSplit')
    os.mkdir('./imageSplit')
for x,y,w,h in br:
    # print(x,y,w,h)
    # split_image = img_inv[y:y + h, x:x + w]
    split_image = img_inv[y - 2:y + h + 2, x - 2:x + w + 2]  ###這樣分割感覺好看些
    cv2.imshow('split_image', split_image)
    cv2.waitKey(0)
    save_filepath = './imageSplit/'
    filename = f'{x}.jpg' ###這里由每張圖片對應(yīng)的x軸坐標(biāo)命名
    cv2.imwrite(save_filepath + filename, split_image)
    print(f'\033[31m{filename}圖片分割完畢！\033[0m')

這里是對前面處理過的二值化圖片數(shù)據(jù)（img_inv）進(jìn)行一個一個字符分割展示的過程。

這里是這行代碼的意思，下面的圖是手動繪制的，太丑了，哈哈哈?。?！

# split_image = img_inv[y:y + h, x:x + w]

7.查看分割圖片

最后，我們在pyplot上來查看我們分割圖片后的效果，也就終于完成了。

###7，用pyplot來查看我們分割完成后的圖片
imagefile_list = os.listdir('./imageSplit')
imagefile_list.sort(key=lambda x: int(x[:-4]))
for i in range(len(imagefile_list)):
    img = cv2.imread(f'./imageSplit/{imagefile_list[i]}')
    plt.subplot(1, len(imagefile_list), i + 1), plt.imshow(img, 'gray')
    plt.title(imagefile_list[i])
    plt.xticks([]), plt.yticks([])
plt.show()

8.完整代碼

import cv2
import os,shutil
from matplotlib import pyplot as plt
'''
    這是使用文檔網(wǎng)址:https://docs.opencv.org/4.5.2/index.html
    這是提供的Python接口教程網(wǎng)址：https://docs.opencv.org/4.5.2/d6/d00/tutorial_py_root.html
'''
def imageSplit():
    ###1，加載圖片
    filepath = './testImage.png'  ###圖像路徑，注意：這里的路徑不能包含有中文名
    img = cv2.imread(filepath)
    cv2.imshow('Orignal img', img)  ###顯示圖片
    cv2.waitKey(0) ###防止一閃而過，是一個鍵盤綁定函數(shù)（0表示按下任意鍵終止）
 
    ###2，將彩色圖片變?yōu)榛疑ㄟM(jìn)行灰度處理）
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    cv2.imshow('img_gray', img_gray)
    cv2.waitKey(0)
 
    ###3，將圖片做二值化處理
    '''
        thresh=220是自定義設(shè)定的閾值(通過分析print(img_gray)的圖像數(shù)據(jù)大概得到的)，像素值大于220被置成了0，小于220的被置成了255
        maxval=與 THRESH_BINARY 和 THRESH_BINARY_INV 閾值一起使用的最大值，可理解是填充色，范圍為（0～255）。
        type：參數(shù)類型閾值類型（
              cv2.THRESH_BINARY 大于閾值的部分被置為255，小于部分被置為0（黑白二值）
              cv2.THRESH_BINARY_INV 大于閾值部分被置為0，小于部分被置為255（黑白二值反轉(zhuǎn)——白黑）
              等其它的類型......
              ）
        '''
    ret, img_inv = cv2.threshold(src=img_gray, thresh=220, maxval=255, type=cv2.THRESH_BINARY_INV)
    cv2.imshow('img_inv', img_inv)
    cv2.waitKey(0)
 
    ###4，提取輪廓
    '''
        https://docs.opencv.org/4.5.2/d4/d73/tutorial_py_contours_begin.html
        img_inv是尋找輪廓的圖像；
        cv2.RETR_EXTERNAL：表示只檢索極端外部輪廓；
        cv2.CHAIN_APPROX_SIMPLE：壓縮水平, 垂直和對角線方向的元素，只保留它們的端點(diǎn)坐標(biāo)，例如，一個直立的矩形輪廓用 4 個點(diǎn)進(jìn)行編碼。
    '''
    contours,hierarchy = cv2.findContours(img_inv, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    print(f'檢測出輪廓數(shù)量有：{len(contours)}個')
    print('返回值為各層輪廓的索引：\n', hierarchy)
 
    ###5，找出每一個輪廓繪畫出的矩形位置
    br = []
    cntid = 0
    for cnt in contours:
        '''cnt表示輸入的輪廓值，x，y, w, h 分別表示外接矩形的x軸和y軸的坐標(biāo)，以及矩形的w寬和h高,'''
        x, y, w, h = cv2.boundingRect(cnt)
        cntid += 1
        print(f'檢測出第{cntid}個輪廓畫出的矩形位置為：x={x},y={y},w={w},h={h}')
        br.append(cv2.boundingRect(cnt))
        '''img表示輸入的需要畫的圖片(這里就是在原圖上繪制輪廓)，cnt表示輸入的輪廓值，-1表示contours中輪廓的索引(這里繪制所有的輪廓)，(0, 0, 255)表示rgb顏色——紅色，2表示線條粗細(xì)'''
        cv2.drawContours(img, [cnt], -1, (0, 0, 255), 2)
        cv2.imshow('cnt', img)
        cv2.waitKey(0)
    br.sort() ###將列表中的每一個元組里面的進(jìn)行升序排序（這里其實(shí)想的是按照對應(yīng)的x軸坐標(biāo)進(jìn)行升序）
 
    ###6，分割圖片并保存（這里對前面處理過的二值化圖片數(shù)據(jù)（img_inv）進(jìn)行分割）
    if not os.path.exists('./imageSplit'):
        os.mkdir('./imageSplit')
    else:
        shutil.rmtree('./imageSplit')
        os.mkdir('./imageSplit')
    for x,y,w,h in br:
        # print(x,y,w,h)
        # split_image = img_inv[y:y + h, x:x + w]
        split_image = img_inv[y - 2:y + h + 2, x - 2:x + w + 2]  ###這樣分割感覺好看些
        cv2.imshow('split_image', split_image)
        cv2.waitKey(0)
        save_filepath = './imageSplit/'
        filename = f'{x}.jpg' ###這里由每張圖片對應(yīng)的x軸坐標(biāo)命名
        cv2.imwrite(save_filepath + filename, split_image)
        print(f'\033[31m{filename}圖片分割完畢！\033[0m')
    cv2.destroyAllWindows() ###刪除所有窗口
 
    ###7，用pyplot來查看我們分割完成后的圖片
    imagefile_list = os.listdir('./imageSplit')
    imagefile_list.sort(key=lambda x: int(x[:-4]))
    for i in range(len(imagefile_list)):
        img = cv2.imread(f'./imageSplit/{imagefile_list[i]}')
        plt.subplot(1, len(imagefile_list), i + 1), plt.imshow(img, 'gray')
        plt.title(imagefile_list[i])
        plt.xticks([]), plt.yticks([])
    plt.show()
 
    print('\nperfect?。?！')
 
###閾值對比（全局閾值（v = 127），自適應(yīng)平均閾值，自適應(yīng)高斯閾值）
def threshContrast():
    filepath = './testImage.png'
    img = cv2.imread(filepath)
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    img_gray = cv2.medianBlur(img_gray, 5)
    ret1, th2 = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)
    th3 = cv2.adaptiveThreshold(img_gray, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 2)
    th4 = cv2.adaptiveThreshold(img_gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)
    title = ['原始圖像(灰度)','全局閾值（v = 127）','自適應(yīng)平均閾值','自適應(yīng)高斯閾值']
    images = [img_gray, th2, th3, th4]
    for i in range(4):
        plt.subplot(2, 2, i + 1), plt.imshow(images[i], 'gray')
        # plt.title(title[i]) ###plt繪圖時不能使用中文
        plt.xticks([]), plt.yticks([])
    plt.show()
 
if __name__ == '__main__':
    imageSplit()
 
    ###閾值對比
    # threshContrast()

關(guān)于“怎么使用Python第三方opencv庫實(shí)現(xiàn)圖像分割處理”這篇文章的內(nèi)容就介紹到這里，感謝各位的閱讀！相信大家對“怎么使用Python第三方opencv庫實(shí)現(xiàn)圖像分割處理”知識都有一定的了解，大家如果還想學(xué)習(xí)更多知識，歡迎關(guān)注億速云行業(yè)資訊頻道。