怎么使用Python第三方opencv库实现图像分割处理(opencv,python,开发技术)

前言

所需要安装的库有：

pip install opencv-python

pip install matplotlib

首先，导入所用到的库：

importcv2importos,shutilfrommatplotlibimportpyplotasplt

1.加载图片

注意：这里在传入图像路径时，路径中不能包含有中文名，否则会报错！！！

###1，加载图片filepath='./testImage.png'###图像路径，注意：这里的路径不能包含有中文名img=cv2.imread(filepath)cv2.imshow('Orignalimg',img)###显示图片cv2.waitKey(0)###防止一闪而过，是一个键盘绑定函数（0表示按下任意键终止）

2.对图片做灰度处理

###2，将彩色图片变为灰色（进行灰度处理）img_gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)cv2.imshow('img_gray',img_gray)cv2.waitKey(0)

3.对图片做二值化处理

thresh=220是自定义设定的阈值(通过分析print(img_gray)的图像数据大概得到的)，像素值大于220被置成了0，小于220的被置成了255。

maxval=与 THRESH_BINARY 和 THRESH_BINARY_INV 阈值一起使用的最大值，可理解是填充色，范围为（0～255）。

type：参数类型阈值类型（ cv2.THRESH_BINARY 大于阈值的部分被置为255，小于部分被置为0（黑白二值） cv2.THRESH_BINARY_INV 大于阈值部分被置为0，小于部分被置为255（黑白二值反转——白黑） 等其它的类型...... ）

###3，将图片做二值化处理'''thresh=220是自定义设定的阈值(通过分析print(img_gray)的图像数据大概得到的)，像素值大于220被置成了0，小于220的被置成了255maxval=与THRESH_BINARY和THRESH_BINARY_INV阈值一起使用的最大值，可理解是填充色，范围为（0～255）。type：参数类型阈值类型（cv2.THRESH_BINARY大于阈值的部分被置为255，小于部分被置为0（黑白二值）cv2.THRESH_BINARY_INV大于阈值部分被置为0，小于部分被置为255（黑白二值反转——白黑）等其它的类型......）'''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.自定义阈值

###阈值对比（全局阈值（v=127），自适应平均阈值，自适应高斯阈值）defthreshContrast():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=['原始图像(灰度)','全局阈值（v=127）','自适应平均阈值','自适应高斯阈值']images=[img_gray,th2,th3,th4]foriinrange(4):plt.subplot(2,2,i+1),plt.imshow(images[i],'gray')#plt.title(title[i])###plt绘图时不能使用中文plt.xticks([]),plt.yticks([])plt.show()

4.提取轮廓

img_inv是寻找轮廓的图像；

• cv2.RETR_EXTERNAL：表示只检索极端外部轮廓；

• cv2.CHAIN_APPROX_SIMPLE：压缩水平, 垂直和对角线方向的元素，只保留它们的端点坐标，例如，一个直立的矩形轮廓用 4 个点进行编码。

###4，提取轮廓'''https://docs.opencv.org/4.5.2/d4/d73/tutorial_py_contours_begin.htmlimg_inv是寻找轮廓的图像；cv2.RETR_EXTERNAL：表示只检索极端外部轮廓；cv2.CHAIN_APPROX_SIMPLE：压缩水平,垂直和对角线方向的元素，只保留它们的端点坐标，例如，一个直立的矩形轮廓用4个点进行编码。'''contours,hierarchy=cv2.findContours(img_inv,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)print(f'检测出轮廓数量有：{len(contours)}个')print('返回值为各层轮廓的索引：\n',hierarchy)

5.对轮廓画矩形框

###5，找出每一个轮廓绘画出的矩形位置br=[]cntid=0forcntincontours:'''cnt表示输入的轮廓值，x，y,w,h分别表示外接矩形的x轴和y轴的坐标，以及矩形的w宽和h高,'''x,y,w,h=cv2.boundingRect(cnt)cntid+=1print(f'检测出第{cntid}个轮廓画出的矩形位置为：x={x},y={y},w={w},h={h}')br.append(cv2.boundingRect(cnt))'''img表示输入的需要画的图片(这里就是在原图上绘制轮廓)，cnt表示输入的轮廓值，-1表示contours中轮廓的索引(这里绘制所有的轮廓)，(0,0,255)表示rgb颜色——红色，2表示线条粗细'''cv2.drawContours(img,[cnt],-1,(0,0,255),2)cv2.imshow('cnt',img)cv2.waitKey(0)br.sort()###将列表中的每一个元组里面的进行升序排序（这里其实想的是按照对应的x轴坐标进行升序）

对每个字符画轮廓的过程（顺序从右到左画，期间也有可能断续，如下图）。

6.分割图片并保存

###6，分割图片并保存（这里对前面处理过的二值化图片数据（img_inv）进行分割）ifnotos.path.exists('./imageSplit'):os.mkdir('./imageSplit')else:shutil.rmtree('./imageSplit')os.mkdir('./imageSplit')forx,y,w,hinbr:#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]###这样分割感觉好看些cv2.imshow('split_image',split_image)cv2.waitKey(0)save_filepath='./imageSplit/'filename=f'{x}.jpg'###这里由每张图片对应的x轴坐标命名cv2.imwrite(save_filepath+filename,split_image)print(f'\033[31m{filename}图片分割完毕！\033[0m')

这里是对前面处理过的二值化图片数据（img_inv）进行一个一个字符分割展示的过程。

这里是这行代码的意思，下面的图是手动绘制的，太丑了，哈哈哈！！！

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

7.查看分割图片

最后，我们在pyplot上来查看我们分割图片后的效果，也就终于完成了。

###7，用pyplot来查看我们分割完成后的图片imagefile_list=os.listdir('./imageSplit')imagefile_list.sort(key=lambdax:int(x[:-4]))foriinrange(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.完整代码

importcv2importos,shutilfrommatplotlibimportpyplotasplt'''这是使用文档网址:https://docs.opencv.org/4.5.2/index.html这是提供的Python接口教程网址：https://docs.opencv.org/4.5.2/d6/d00/tutorial_py_root.html'''defimageSplit():###1，加载图片filepath='./testImage.png'###图像路径，注意：这里的路径不能包含有中文名img=cv2.imread(filepath)cv2.imshow('Orignalimg',img)###显示图片cv2.waitKey(0)###防止一闪而过，是一个键盘绑定函数（0表示按下任意键终止）###2，将彩色图片变为灰色（进行灰度处理）img_gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)cv2.imshow('img_gray',img_gray)cv2.waitKey(0)###3，将图片做二值化处理'''thresh=220是自定义设定的阈值(通过分析print(img_gray)的图像数据大概得到的)，像素值大于220被置成了0，小于220的被置成了255maxval=与THRESH_BINARY和THRESH_BINARY_INV阈值一起使用的最大值，可理解是填充色，范围为（0～255）。type：参数类型阈值类型（cv2.THRESH_BINARY大于阈值的部分被置为255，小于部分被置为0（黑白二值）cv2.THRESH_BINARY_INV大于阈值部分被置为0，小于部分被置为255（黑白二值反转——白黑）等其它的类型......）'''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，提取轮廓'''https://docs.opencv.org/4.5.2/d4/d73/tutorial_py_contours_begin.htmlimg_inv是寻找轮廓的图像；cv2.RETR_EXTERNAL：表示只检索极端外部轮廓；cv2.CHAIN_APPROX_SIMPLE：压缩水平,垂直和对角线方向的元素，只保留它们的端点坐标，例如，一个直立的矩形轮廓用4个点进行编码。'''contours,hierarchy=cv2.findContours(img_inv,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)print(f'检测出轮廓数量有：{len(contours)}个')print('返回值为各层轮廓的索引：\n',hierarchy)###5，找出每一个轮廓绘画出的矩形位置br=[]cntid=0forcntincontours:'''cnt表示输入的轮廓值，x，y,w,h分别表示外接矩形的x轴和y轴的坐标，以及矩形的w宽和h高,'''x,y,w,h=cv2.boundingRect(cnt)cntid+=1print(f'检测出第{cntid}个轮廓画出的矩形位置为：x={x},y={y},w={w},h={h}')br.append(cv2.boundingRect(cnt))'''img表示输入的需要画的图片(这里就是在原图上绘制轮廓)，cnt表示输入的轮廓值，-1表示contours中轮廓的索引(这里绘制所有的轮廓)，(0,0,255)表示rgb颜色——红色，2表示线条粗细'''cv2.drawContours(img,[cnt],-1,(0,0,255),2)cv2.imshow('cnt',img)cv2.waitKey(0)br.sort()###将列表中的每一个元组里面的进行升序排序（这里其实想的是按照对应的x轴坐标进行升序）###6，分割图片并保存（这里对前面处理过的二值化图片数据（img_inv）进行分割）ifnotos.path.exists('./imageSplit'):os.mkdir('./imageSplit')else:shutil.rmtree('./imageSplit')os.mkdir('./imageSplit')forx,y,w,hinbr:#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]###这样分割感觉好看些cv2.imshow('split_image',split_image)cv2.waitKey(0)save_filepath='./imageSplit/'filename=f'{x}.jpg'###这里由每张图片对应的x轴坐标命名cv2.imwrite(save_filepath+filename,split_image)print(f'\033[31m{filename}图片分割完毕！\033[0m')cv2.destroyAllWindows()###删除所有窗口###7，用pyplot来查看我们分割完成后的图片imagefile_list=os.listdir('./imageSplit')imagefile_list.sort(key=lambdax:int(x[:-4]))foriinrange(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！！！')###阈值对比（全局阈值（v=127），自适应平均阈值，自适应高斯阈值）defthreshContrast():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=['原始图像(灰度)','全局阈值（v=127）','自适应平均阈值','自适应高斯阈值']images=[img_gray,th2,th3,th4]foriinrange(4):plt.subplot(2,2,i+1),plt.imshow(images[i],'gray')#plt.title(title[i])###plt绘图时不能使用中文plt.xticks([]),plt.yticks([])plt.show()if__name__=='__main__':imageSplit()###阈值对比#threshContrast()