要检测图像中的矩形和正方形，我们首先检测图像中的所有轮廓。然后遍历所有轮廓。为每个轮廓找到近似的轮廓。如果近似轮廓中的顶点数量为 4，则我们计算纵横比以区分矩形和正方形。如果纵横比在 0.9 到 1.1 之间，我们将其称为正方形，否则为矩形。请参见下面的伪代码。for cnt in contours: approx = cv2.approxPolyDP(cnt) if len(approx) == 4: x, y, w, h = ... 阅读更多

要在图像上绘制填充的椭圆，我们使用 cv2.ellipse() 方法。此方法接受不同的参数来绘制不同类型的椭圆。语法 cv2.ellipse(img, center, axes, angle, start_angle, end_angle, color, thickness) 参数 img − 要在其上绘制椭圆的输入图像。center − 椭圆的中心坐标。axes − 以 (长轴长度，短轴长度) 格式表示的元组。angle − 椭圆的旋转角度（度）。start_angle − 椭圆弧的起始角度（度）。end_angle − 椭圆弧的结束角度（度）… 阅读更多

要检测图像中的三角形，我们首先检测图像中的所有轮廓。然后我们遍历所有轮廓。为每个轮廓找到近似的轮廓。如果近似轮廓中的顶点数量为 3，则绘制轮廓并将其设置为三角形。请参见下面的伪代码。for cnt in contours: approx = cv2.approxPolyDP() if len(approx) == 3: cv2.drawContours() cv2.putText("Triangle") 步骤您可以使用以下步骤来检测… 阅读更多

函数 cv2.approxPolyDP() 将轮廓形状逼近到具有较少顶点的另一种形状。它接受以下参数 - cnt − 轮廓点的数组。epsilon − 轮廓到逼近轮廓的最大距离。需要明智地选择 epsilon 才能获得正确的输出。语法用于逼近轮廓形状的语法如下：epsilon = 0.01*cv2.arcLength(cnt, True) approx = cv2.approxPolyDP(cnt, epsilon, True) 步骤您可以使用以下步骤来逼近图像中轮廓的形状 - 导入所需的库。在以下所有 Python 示例中，所需的 Python 库是 OpenCV。确保您已安装它。import cv2… 阅读更多

对象的边界矩形是在图像中围绕对象绘制的矩形。在 OpenCV 中有两种方法可以找到边界矩形 - 直边界矩形它是一个直矩形，因为它不考虑对象的旋转。可以使用函数 cv2.boundingRect() 计算它。其语法如下：x, y, w, h = cv2.boundingRect(cnt) img = cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2) 这里，“cnt”是轮廓点的数组。它返回左上角坐标 (x, y) 以及宽度和高度 (w, h) … 阅读更多

彩色图像 (RGB) 有三个通道：红色、蓝色和绿色。图像表示为一个三维 numpy 数组。图像的像素值使用范围为“0 到 255”的 8 位无符号整数 (uint8) 存储。对两幅图像执行的按位异或运算是在相应图像的这些像素值的二进制表示上执行的。以下是对两幅图像执行按位异或运算的语法：cv2.bitwise_xor(img1, img2, mask=None) 这里，img1 和 img2 是两幅输入图像，mask 是掩码操作。步骤要计算两幅图像之间的按位异或，您可以… 阅读更多

函数 cv2.isContourConvex() 用于检查曲线（轮廓）是否为凸的。图像中对象的轮廓是沿边界连接所有连续点的曲线，具有相同的颜色或强度。轮廓用于形状分析以及对象检测和识别等。语法cv2.isContourConvex() 的语法如下：cv2.isContourConvex(cnt) 其中，“cnt”是图像中对象的轮廓点的 numpy 数组。如果轮廓 cnt 为凸的，则返回 True，否则返回 False。步骤您可以使用以下步骤来检查轮廓… 阅读更多

图像中对象的轮廓对于计算图像的面积和周长非常有用。图像的轮廓是沿边界连接所有连续点的曲线，具有相同的颜色或强度。轮廓用于形状分析以及对象检测和识别等。要计算对象的面积和周长，我们首先检测对象的轮廓，然后分别应用 cv2.contourArea() 和 cv2.arcLength() 函数。语法以下是这些函数的语法：area = cv2.contourArea(cnt) perimeter = cv2.arcLength(cnt, True) 其中，“cnt”是… 阅读更多

要比较两幅图像，我们使用两幅图像像素值的均方误差 (MSE)。相似的图像将具有较小的均方误差值。使用此方法，我们可以比较具有相同高度、宽度和通道数的两幅图像。步骤您可以使用以下步骤来使用 OpenCV 比较两幅图像 - 导入所需的库。在以下所有 Python 示例中，所需的 Python 库是 OpenCV。确保您已安装它。import cv2 使用 cv2.imread() 读取输入图像并将其转换为灰度图像。高度、宽度和… 阅读更多

图像矩对于计算给定图像中对象的质心、对象的面积等特征非常重要。使用对象的轮廓来计算对象的图像矩。因此，我们首先检测对象的轮廓，然后应用 cv2.moments(cnt) 函数来计算矩。语法以下是此函数的语法：cv2.moments(cnt) 其中，“cnt”是图像中对象的轮廓点的 numpy 数组。步骤您可以使用以下步骤来计算图像中的矩 - 导入… 阅读更多