视觉处理算法基础：米粒识别

# encoding: utf -8
import cv2 as cv
import copy

filename = ‘rice.png‘
img = cv.imread(filename)
# 灰度处理, 即使是黑白图片在计算机中也是三通道
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

# 使用大津算法阈值化
_, bw = cv.threshold(gray, 0, 0xff, cv.THRESH_OTSU)

element = cv.getStructuringElement(cv.MORPH_CROSS, (3, 3))
# 使用数学形态学开运算减少噪声
bw = cv.morphologyEx(bw, cv.MORPH_OPEN, element)
# 为了对阈值化图像进行分割，将阈值化结果进行deepcopy
seg = copy.deepcopy(bw)
# 使用findContours得到分割完之后各个区域对应的轮廓，返回在cnts，也就是各个轮廓的集合
bin, cnts, hier = cv.findContours(seg, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
count = 0

for i in range(len(cnts), 0, -1):
    # 对所有轮廓进行一个循环，先得到当前轮廓，面积小于10则可能是噪声，丢弃
    c = cnts[i-1]
    area = cv.contourArea(c)
    if area < 10:
        continue
    count = count + 1
    print(‘blob‘, i, ‘:‘, area)
    # 得到矩阵四个顶点
    x, y, w, h = cv.boundingRect(c)
    # 在img图片中输出分割后的矩形，rectangle函数参数依次为原图，左上角顶点pt,右下角顶点pt，颜色三元组，宽度
    cv.rectangle(img, (x, y), (x+w, y+h), (0, 0, 0xff), 1)
    # 在img图片中输出计数文本
    cv.putText(img, str(count), (x, y), cv.FONT_HERSHEY_PLAIN, 0.5, (0, 0xff, 0))

print(‘米粒数量: ‘, count)
cv.imshow(‘原图‘, img)
cv.imshow(‘阈值化‘, bw)


cv.waitKey()
cv.destroyWindow()

视觉处理算法基础：米粒识别

原文：https://www.cnblogs.com/hanker99/p/14481751.html