OpenCV Python – 如何在图像上查找并绘制物体的极值点？

为了找到并在输入图像中绘制物体的极值点，我们可以按照以下步骤操作：

第一步是导入所需的库。在以下所有 Python 示例中，所需的 Python 库是 **OpenCV**。确保您已安装它。
下一步是使用 **cv2.imread()** 函数读取输入图像。使用图像类型（.jpg 或 .png）指定完整的图像路径。将输入图像转换为灰度图像。
对灰度图像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效果。

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

使用 **cv2.findContours()** 函数查找图像中的轮廓。

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

从轮廓列表中选择一个轮廓（例如第一个轮廓）**cnt**。或者遍历所有轮廓。
查找极值点：最左、最右、最上和最下。

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值点。要在图像上绘制一个点，我们绘制一个半径很小的填充圆。
显示绘制了轮廓和近似轮廓的图像。

让我们通过一些 Python 示例来了解如何在图像中查找和绘制物体的极值点。

示例

下面的 Python 3 程序演示了如何在图像中查找和绘制物体的极值点。

# 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此程序的输入文件：

输出

执行上述代码后，将产生以下输出：

Number of contours detected: 1

我们将得到以下显示输出的窗口：

请注意，最左、最右、最上和最下的四个极值点以红色绘制。

示例

在这个 Python 程序中，我们绘制了输入图像中物体的极值点。

# 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()