OpenCV-python numpy和基本作图

一、实验目的

本实验是利用python中的numpy库中的函数，对数组进行各种各样的操作和对图像进行各种操作。对数组进行的操作包括熟悉numpy的基本操作——学习如何创建、访问和修改NumPy数组，了解数组的属性和方法；学习如何改变数组的形状，例如改变维度、转置数组、重塑数组等；还有学习如何使用NumPy的索引和切片操作，对数组进行元素的访问和修改。对图像的操作包括学习如何实现颜色变换、画基本图形、文字绘制、为图像添加边框以及在图像中查找轮廓。通过该实验，可以帮助我们掌握numpy的基本操作和常用函数，理解数组的概念和运算;同时可以深入了解OpenCV图像处理模块的功能和应用，并对不同的图像处理算法和技术有所了解，实验过程也可以帮助我更加熟悉OpenCV提供的函数和方法，为将来在计算机视觉和图像处理领域的实际应用中打下基础。

二、实验内容

1.numpy基本操作

2.基本图形的绘制

三、实验过程

Numpy

NumPy - 简介

NumPy 是一个 Python 包。 它代表 “Numeric Python”。 它是一个由多维数组对象和用于处理数组的例程集合组成的库。

Numeric，即 NumPy 的前身，是由 Jim Hugunin 开发的。 也开发了另一个包 Numarray ，它拥有一些额外的功能。 2005年，Travis Oliphant 通过将 Numarray 的功能集成到 Numeric 包中来创建 NumPy 包。 这个开源项目有很多贡献者。

1.NumPy 操作

使用NumPy，开发人员可以执行以下操作：

• 数组的算数和逻辑运算。

• 傅立叶变换和用于图形操作的例程。

• 与线性代数有关的操作。 NumPy 拥有线性代数和随机数生成的内置函数。

2.NumPy Ndarray 对象

NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。

ndarray 对象是用于存放同类型元素的多维数组。

ndarray 中的每个元素在内存中都有相同存储大小的区域。

ndarray 内部由以下内容组成：

• 一个指向数据（内存或内存映射文件中的一块数据）的指针。

• 数据类型或 dtype，描述在数组中的固定大小值的格子。

• 一个表示数组形状（shape）的元组，表示各维度大小的元组。

• 一个跨度元组（stride），其中的整数指的是为了前进到当前维度下一个元素需要"跨过"的字节数。

ndarray 的内部结构:

跨度可以是负数，这样会使数组在内存中后向移动，切片中 obj[::-1] 或 obj[:,::-1] 就是如此。

创建一个 ndarray 只需调用 NumPy 的 array 函数即可：

numpy 支持的数据类型比 Python 内置的类型要多很多，基本上可以和 C 语言的数据类型对应上，其中部分类型对应为 Python 内置的类型。下表列举了常用

3.NumPy 基本类型

numpy 的数值类型实际上是 dtype 对象的实例，并对应唯一的字符，包括 np.bool_，np.int32，np.float32，等等。

4.NumPy 数组属性

本章节我们将来了解 NumPy 数组的一些基本属性。

NumPy 数组的维数称为秩（rank），秩就是轴的数量，即数组的维度，一维数组的秩为 1，二维数组的秩为 2，以此类推。

在 NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions）。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是 NumPy 中的轴（axis），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量——秩，就是数组的维数。

很多时候可以声明 axis。axis=0，表示沿着第 0 轴进行操作，即对每一列进行操作；axis=1，表示沿着第1轴进行操作，即对每一行进行操作。

NumPy 的数组中比较重要 ndarray 对象属性有：

ndarray.ndim

ndarray.ndim 用于返回数组的维数，等于秩。

ndarray.shape

ndarray.shape 表示数组的维度，返回一个元组，这个元组的长度就是维度的数目，即 ndim 属性(秩)。比如，一个二维数组，其维度表示"行数"和"列数"。

ndarray.shape 也可以用于调整数组大小。

ndarray.itemsize

ndarray.itemsize 以字节的形式返回数组中每一个元素的大小。

例如，一个元素类型为 float64 的数组 itemsize 属性值为 8(float64 占用 64 个 bits，每个字节长度为 8，所以 64/8，占用 8 个字节），又如，一个元素类型为 complex32 的数组 item 属性为 4（32/8）。

ndarray.flags

ndarray.flags 返回 ndarray 对象的内存信息

5.NumPy 创建数组

ndarray 数组除了可以使用底层 ndarray 构造器来创建外，也可以通过以下几种方式来创建。

numpy.empty

numpy.empty 方法用来创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组：

numpy.empty(shape, dtype = float, order = ‘C’)

参数说明：

numpy.zeros

创建指定大小的数组，数组元素以 0 来填充：

numpy.zeros(shape, dtype = float, order = ‘C’)

参数说明：

numpy.ones

创建指定形状的数组，数组元素以 1 来填充：

numpy.ones(shape, dtype = None, order = ‘C’)

参数说明：

6.NumPy 从已有的数组创建数组

本章节我们将学习如何从已有的数组创建数组。

numpy.asarray

numpy.asarray 类似 numpy.array，但 numpy.asarray 参数只有三个，比 numpy.array 少两个。

numpy.asarray(a, dtype = None, order = None)

参数说明：

numpy.frombuffer

numpy.frombuffer 用于实现动态数组。

numpy.frombuffer 接受 buffer 输入参数，以流的形式读入转化成 ndarray 对象。

numpy.frombuffer(buffer, dtype = float, count = -1, offset = 0)

**注意：**buffer 是字符串的时候，Python3 默认 str 是 Unicode 类型，所以要转成 bytestring 在原 str 前加上 b。

参数说明：

numpy.fromiter

numpy.fromiter 方法从可迭代对象中建立 ndarray 对象，返回一维数组。

numpy.fromiter(iterable, dtype, count=-1)

7.NumPy 从数值范围创建数组

这一章节我们将学习如何从数值范围创建数组。

numpy.arange

numpy 包中的使用 arange 函数创建数值范围并返回 ndarray 对象，函数格式如下：

numpy.arange(start, stop, step, dtype)

根据 start 与 stop 指定的范围以及 step 设定的步长，生成一个 ndarray。

参数说明：

numpy.linspace

numpy.linspace 函数用于创建一个一维数组，数组是一个等差数列构成的，格式如下：

np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

参数说明：

numpy.logspace

numpy.logspace 函数用于创建一个于等比数列。格式如下：

np.logspace(start, stop, num=50, endpoint=True, base=10.0, dtype=None)

base 参数意思是取对数的时候 log 的下标。

8.NumPy 切片和索引

ndarray对象的内容可以通过索引或切片来访问和修改，与 Python 中 list 的切片操作一样。ndarray 数组可以基于 0 - n 的下标进行索引，切片对象可以通过内置的 slice 函数，并设置 start, stop 及 step 参数进行，从原数组中切割出一个新数组。实例 import numpy as np a = np.arange(10) s = slice(2,7,2) # 从索引 2 开始到索引 7 停止，间隔为2 print (a[s])

输出结果为：

[2 4 6]

以上实例中，我们首先通过 arange() 函数创建 ndarray 对象。 然后，分别设置起始，终止和步长的参数为 2，7 和 2。

我们也可以通过冒号分隔切片参数 start:stop:step 来进行切片操作：实例 import numpy as np a = np.arange(10) b = a[2:7:2] # 从索引 2 开始到索引 7 停止，间隔为 2 print(b)

输出结果为：

[2 4 6]

冒号 : 的解释：如果只放置一个参数，如 [2]，将返回与该索引相对应的单个元素。如果为 [2:]，表示从该索引开始以后的所有项都将被提取。如果使用了两个参数，如 [2:7]，那么则提取两个索引(不包括停止索引)之间的项。实例 import numpy as np a = np.arange(10) # [0 1 2 3 4 5 6 7 8 9] b = a[5] print(b)

输出结果为：5

9.NumPy 高级索引

NumPy 比一般的 Python 序列提供更多的索引方式。

除了之前看到的用整数和切片的索引外，数组可以由整数数组索引、布尔索引及花式索引。

NumPy 中的高级索引指的是使用整数数组、布尔数组或者其他序列来访问数组的元素。相比于基本索引，高级索引可以访问到数组中的任意元素，并且可以用来对数组进行复杂的操作和修改。

整数数组索引

整数数组索引是指使用一个数组来访问另一个数组的元素。这个数组中的每个元素都是目标数组中某个维度上的索引值。

以下实例获取数组中 (0,0)，(1,1) 和 (2,0) 位置处的元素

实例 import numpy as np x = np.array([[1, 2], [3, 4], [5, 6]]) y = x[[0,1,2], [0,1,0]] print (y)

输出结果为：

[1 4 5]

布尔索引

我们可以通过一个布尔数组来索引目标数组。

布尔索引通过布尔运算（如：比较运算符）来获取符合指定条件的元素的数组。

以下实例获取大于 5 的元素：

实例 import numpy as np x = np.array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]]) print (‘我们的数组是：’) print (x) print (‘\n’) # 现在我们会打印出大于 5 的元素 print (‘大于 5 的元素是：’) print (x[x > 5])

输出结果为：

我们的数组是：[[ 0 1 2] [ 3 4 5] [ 6 7 8] [ 9 10 11]]

大于 5 的元素是：[ 6 7 8 9 10 11]

10.NumPy 迭代数组

NumPy 迭代器对象 numpy.nditer 提供了一种灵活访问一个或者多个数组元素的方式。

迭代器最基本的任务的可以完成对数组元素的访问。

接下来我们使用 arange() 函数创建一个 2X3 数组，并使用 nditer 对它进行迭代。

实例 import numpy as np a = np.arange(6).reshape(2,3) print (‘原始数组是：’) print (a) print (‘\n’) print (‘迭代输出元素：’) for x in np.nditer(a): print (x, end=", " ) print (‘\n’)

输出结果 原始数组是： [[0 1 2] [3 4 5]] 迭代输出元素： 0, 1, 2, 3, 4, 5,

修改数组中元素的值

nditer 对象有另一个可选参数 op_flags。 默认情况下，nditer 将视待迭代遍历的数组为只读对象（read-only），为了在遍历数组的同时，实现对数组元素值的修改，必须指定 readwrite 或者 writeonly 的模式。

实例 import numpy as np a = np.arange(0,60,5) a = a.reshape(3,4) print (‘原始数组是：’) print (a) print (‘\n’) for x in np.nditer(a, op_flags=[‘readwrite’]): x[…]=2*x print (‘修改后的数组是：’) print (a)

输出结果为： 原始数组是：[[ 0 5 10 15] [20 25 30 35] [40 45 50 55]] 修改后的数组是：[[ 0 10 20 30] [ 40 50 60 70] [ 80 90 100 110]]

使用外部循环

nditer 类的构造器拥有 flags 参数，它可以接受下列值：

    import numpy as np 
    a = np.arange(0,60,5) 
    a = a.reshape(3,4)  
    print ('原始数组是：')
    print (a)
    print ('\n')
    print ('修改后的数组是：')
    for x in np.nditer(a, flags =  ['external_loop'], order =  'F'):  
       print (x, end=", " )

输出结果： 原始数组是： [[ 0 5 10 15] [20 25 30 35] [40 45 50 55]] 修改后的数组是： [ 0 20 40], [ 5 25 45], [10 30 50], [15 35 55],

11.Numpy数组操作

修改数组形状

numpy.reshape

numpy.reshape 函数可以在不改变数据的条件下修改形状，格式如下：

numpy.reshape(arr, newshape, order=‘C’)

• arr：要修改形状的数组
• newshape：整数或者整数数组，新的形状应当兼容原有形状
• order：‘C’ – 按行，‘F’ – 按列，‘A’ – 原顺序，‘k’ – 元素在内存中的出现顺序

numpy.ndarray.flatten

numpy.ndarray.flatten 返回一份数组拷贝，对拷贝所做的修改不会影响原始数组，格式如下：

ndarray.flatten(order=‘C’)

numpy.ravel

numpy.ravel() 展平的数组元素，顺序通常是"C风格"，返回的是数组视图（view，有点类似 C/C++引用reference的意味），修改会影响原始数组。

该函数接收两个参数：

numpy.ravel(a, order=‘C’)

参数说明：

• order：‘C’ – 按行，‘F’ – 按列，‘A’ – 原顺序，‘K’ – 元素在内存中的出现顺序。

翻转数组

numpy.transpose

numpy.transpose 函数用于对换数组的维度，格式如下：

numpy.transpose(arr, axes)

参数说明:

• arr：要操作的数组
• axes：整数列表，对应维度，通常所有维度都会对换。

numpy.rollaxis

numpy.rollaxis 函数向后滚动特定的轴到一个特定位置，格式如下：

numpy.rollaxis(arr, axis, start)

参数说明：

• arr：数组
• axis：要向后滚动的轴，其它轴的相对位置不会改变
• start：默认为零，表示完整的滚动。会滚动到特定位置。

numpy.swapaxes

numpy.swapaxes 函数用于交换数组的两个轴，格式如下：

numpy.swapaxes(arr, axis1, axis2)

• arr：输入的数组
• axis1：对应第一个轴的整数
• axis2：对应第二个轴的整数

准备工作

安装pycharm和需要的软件包来进行代码的编辑

直接编辑代码导入，然后进行包的下载

小插曲

下载包的时候一直报错

去查询了一下报错原因pip安装报403错误 解决方法

于是我就把镜像地址又改了回来

pip config set global.index-url https://pypi.python.org/simple/

当然最后我检查了，大概不是清华园的问题（也可能是）

是pycharm本身的pip没有更新的问题

在这里更新完后就没有这个问题了，不用更改清华园的镜像

可以先更新一下项目pip，如果还是不对，就把镜像地址改回来

numpy包

这里numpy是在python处理大数据学过的一个库

对应OpenCv来说

使用Python运行OpenCV的程序时，OpenCV使用NumPy数组存储图像数据。基于NumPy可以很方便的执行基于数组的图像运算，比如图像的加法运算、加权加法运算和位运算等。

图像处理

颜色转换

cvtColor函数

dst=cv2.cvtColor(src,code[, dst[, dstCn]])

其中

dst（destination）就表示我们经过函数处理后得到的目的图像，此时是矩阵形式；

src（source）表示我们要进行转换的源图像对象，也是矩阵形式

code是opencv中色彩空间定义的宏常量，展示了我们要图像转换所要达到的结果，常用的有COLOR_BGR2GRAY、COLOR_GRAY2BGR、COLOR_BGR2HSV、COLOR_BGR2RGB等，但是实际上可以调用的参数多达247种。

dstCn为目标图像的通道数，如果设置为0，会自动从源图像计算目标图像的通道数；

以下是代码实例

    from numpy import *
    import numpy as np
    import cv2
    
    # 将图片转为灰度图
    src_image = cv2.imread("test.jpg")
    gray_imagee = cv2.cvtColor(src_image, cv2.COLOR_BGR2GRAY)
    # 将图片转为HSV
    hsv_image = cv2.cvtColor(src_image, cv2.COLOR_BGR2HSV)
    # 展示一下
    cv2.imshow("src_image", src_image)
    cv2.imshow("gary_image", gray_imagee)
    cv2.imshow("hsv_image", hsv_image)
    cv2.waitKey(0)

src_iamge

hsv_image

gary_iamge

这样显示在显示器有点大，也可以写入

通过cv2.imwrite(“1.jpg”,hsv_iamge)函数来进行文件的保存然后查看会好一点

画矩形

rectangle()用法：

    cv2.rectangle(img, pt1, pt2, color, thickness, lineType, shift)

参数说明：

• img：在哪个图像上画线

• pt1, pt2：开始点， 结束点：指定线的开始与结束位置

• color：颜色

  • (0, 0, 255)：红

  • (0, 255, 0)：绿

  • (255, 0, 0)：蓝

• thickness：线宽

• lineType：线型（可取值-1, 4, 8, 18）, 默认为8

• shift：坐标缩放比例

代码

    # 画矩形
    img = np.zeros((480, 640, 3), np.uint8)
    
    cv2.rectangle(img, (20, 20), (400, 400), (0, 255, 0), 5)
    
    cv2.imshow('draw', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

效果展示

画圆

circle()用法：

cv2.circle()(img, center, radius, color, thickness, lineType, shift)

参数说明：

• img：在哪个图像上绘制圆

• center：圆心坐标

• radius：半径大小

• color：颜色

• thickness：线宽

• lineType：线型

• shift：坐标缩放比例

代码

    # 画圆
    img = np.zeros((480, 640, 3), np.uint8)
    
    cv2.circle(img, (320, 240), 100, (255, 0, 0), 5, 16)
    
    cv2.imshow('draw', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

效果展示

画椭圆

ellipse()用法：

cv2.ellipse(img, center, axes, angle, startAngle, endAngle, color, thickness, lineType, shift)

参数说明：

• img：在哪个图像上绘制椭圆

• center：中心点

• axes：长宽的一半

• angle：角度

• startAngle：从哪个角度开始

• endAngle：从哪个角度结束

• color：颜色

• thickness：线宽

• lineType：线型

• shift：坐标缩放比例

代码

    # 画椭圆
    img = np.zeros((480, 640, 3), np.uint8)
    
    cv2.ellipse(img, (320, 240), (100, 50), 0, 0, 360, (255, 255, 255), 5, 16)
    
    cv2.imshow('draw', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

效果展示

画线段

line()用法：

cv2.line(img, pt1, pt2, color, thickness, lineType, shift)

参数说明：

line()用法和rectangle()用法 完全一致。

代码

    # 画线段
    img = np.zeros((480, 640, 3), np.uint8)
    
    # 划线, 坐标点(x, y)
    cv2.line(img, (20, 20), (400, 400), (0, 0, 255), 5, 16)
    
    cv2.imshow('draw', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

效果展示

画和填充多边形

polylines()：绘制多边形

cv2.polylines(img, pts, isClosed, color, thickness, lineType, shift)

参数说明：

• img：在哪个图像上绘制和填充多边形

• pts：多边形的点集，必须是int32位

• isClosed：是否闭合

• color：颜色

• thickness：线宽

• lineType：线型

• shift：坐标缩放比例

代码

    img = np.zeros((480, 640, 3), np.uint8)
    
    pts = np.array([(300, 10), (150, 100), (450, 100)], np.int32)
    cv2.polylines(img, [pts], True, (0, 255, 255), 5, 16)
    
    cv2.imshow('draw', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

效果展示

fillPoly：填充多边形

cv2.fillPoly(img, pts, color)

fillPoly用法 和 polylines用法 完全一致。

代码

    img = np.zeros((480, 640, 3), np.uint8)
    
    pts = np.array([(300, 10), (150, 100), (450, 100)], np.int32)
    cv2.fillPoly(img, [pts], (0, 255, 255), 16)
    
    cv2.imshow('draw', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

效果展示

绘制文字

putText：绘制文字

    putText(img,text,org,fontFace,fontScale,color,thickness,lineType,bottomLeftOrigin)

参数说明：

• text要绘制的文字内容

• org 文字在画布中的左下角坐标

• fontFace 字体样式

• fontScale 字体大小

• lineType 线型

• bottomLeftOrigin 绘制文字时的方向

代码

    import numpy as np # 导入Python中的numpy模块
    import cv2
    
    # np.zeros()：创建了一个画布
    # (100, 300, 3)：一个100 x 300，具有3个颜色空间（即Red、Green和Blue）的画布
    # np.uint8：OpenCV中的灰度图像和RGB图像都是以uint8存储的，因此这里的类型也是uint8
    canvas = np.zeros((100, 300, 3), np.uint8)
    # 在画布上绘制文字“mrsoft”，文字左下角的坐标为(20, 70)
    # 字体样式为FONT_HERSHEY_TRIPLEX
    # 字体大小为2，线条颜色是绿色，线条宽度为5
    cv2.putText(canvas, "sorry", (20, 70), cv2.FONT_HERSHEY_TRIPLEX, 2, (0, 255, 0), 5)
    cv2.imshow("Text", canvas) # 显示画布
    cv2.waitKey()
    cv2.destroyAllWindows()

效果展示

为图像添加边框

copyMakeBorder：为图像添加边框

    cv.copyMakeBorder(src, top, bottom, left, right, borderType, None, value)

参数说明：

• src: 即将被扩充边界的原始图像

• top, bottom, left, right: 在图像上、下、左、右分别要扩充的行(列)数

• borderType: 扩充的边界类型

  • cv2.BORDER_CONSTANT: 用常数像素值填充扩充的边界(0或黑色)

  • cv2.BORDER_REPLICATE: 原始边缘的行或列被复制到扩充的边界

• value: 当使用cv.BORDER_CONSTANT时，设置的要填充的像素值

代码

    import cv2
    import numpy as np
    from matplotlib import pyplot as plt
    
    BLUE = [255, 0, 0]
    img1 = cv2.imread('test.jpg')
    
    replicate = cv2.copyMakeBorder(img1, 100, 100, 100, 100, cv2.BORDER_REPLICATE)
    reflect = cv2.copyMakeBorder(img1, 100, 100, 100, 100, cv2.BORDER_REFLECT)
    reflect101 = cv2.copyMakeBorder(img1, 100, 100, 100, 100, cv2.BORDER_REFLECT_101)
    wrap = cv2.copyMakeBorder(img1, 100, 100, 100, 100, cv2.BORDER_WRAP)
    constant = cv2.copyMakeBorder(img1, 100, 100, 100, 100, cv2.BORDER_CONSTANT, value=BLUE)
    
    plt.subplot(231), plt.imshow(img1, 'gray'), plt.title('ORIGINAL')
    plt.subplot(232), plt.imshow(replicate, 'gray'), plt.title('REPLICATE')
    plt.subplot(233), plt.imshow(reflect, 'gray'), plt.title('REFLECT')
    plt.subplot(234), plt.imshow(reflect101, 'gray'), plt.title('REFLECT_101')
    plt.subplot(235), plt.imshow(wrap, 'gray'), plt.title('WRAP')
    plt.subplot(236), plt.imshow(constant, 'gray'), plt.title('CONSTANT')
    plt.show()

效果展示

轮廓检测和画出轮廓

findContours:轮廓检测：

contours,hierarchy =cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]])  

参数说明：

• image：参数是寻找轮廓的图像；

• mode：参数表示轮廓的检索模式，有四种（本文介绍的都是新的cv2接口）：

  • cv2.RETR_EXTERNAL：表示只检测外轮廓

  • cv2.RETR_LIST：检测的轮廓不建立等级关系

  • cv2.RETR_CCOMP：建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层。

  • cv2.RETR_TREE：建立一个等级树结构的轮廓。

• method：轮廓的近似办法：

  • cv2.CHAIN_APPROX_NONE：存储所有的轮廓点，相邻的两个点的像素位置差不超过1，即max（abs（x1-x2），abs（y2-y1））==1

  • cv2.CHAIN_APPROX_SIMPLE：压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息

  • cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS：使用teh-Chinl chain 近似算法

返回值：

cv2.findContours()函数返回两个值，一个是轮廓本身，还有一个是每条轮廓对应的属性。

• contour返回值： 返回一个list，list中每个元素都是图像中的一个轮廓，用numpy中的ndarray表示。

• hierarchy返回值： 返回一个ndarray，其中的元素个数和轮廓个数相同，每个轮廓 c o n t o u r s [ i ] contours[i] contours[i]对应4个hierarchy元素 h i e r a r c h y [ i ] [ 0 ] h i e r a r c h y [ i ] [ 3 ] hierarchy[i][0] ~hierarchy[i][3] hierarchy[i][0] hierarchy[i][3]，分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号，如果没有对应项，则该值为负数

drawContours：画出轮廓

drawContours(image, contours, contourIdx, color, thickness=None, lineType=None, hierarchy=None, maxLevel=None, offset=None):

参数说明：

• Image:输入原始的图像；

• Contours:坐标点（这个根据查找轮廓函数即可得到）；

• contourIdx；设置轮廓的顺序号；-1表示绘制所有的轮廓；

• Color:绘制使用的颜色；

• Thickness:绘制使用的线宽；-1表示全部填充；

• lineType:绘制使用的线类型；

• Hierarchy:设置层级；

• maxLevel:如果为0，则仅绘制指定的轮廓。

  • 如果为1，则函数将绘制轮廓和所有嵌套轮廓。如果为2，则函数绘制等高线、所有嵌套等高线、所有嵌套到嵌套等高线，等等。这仅当存在可用的层次结构时，才考虑参数。

• Offset:将所有绘制的轮廓移动指定的量。

代码

    import cv2
    
    img = cv2.imread('test.jpg')
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
    
    
    # 检测轮廓
    contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
    
    # 画轮廓
    cv2.drawContours(img, contours, -1, (0, 0, 255), 3)
    
    cv2.imshow("img", img)
    cv2.waitKey(0)

效果展示

四、实验结果

实验结果已经在实验过程中写出，实验结果的所有截图均可在实验过程中查看，这里不做过多展示

五、实验结论

在本实验中，涵盖了NumPy数组操作和OpenCV图像处理两个重要方面。在NumPy数组操作部分，学到了如何使用 NumPy 创建各种类型的数组，包括一维数组、二维数组等，以及如何访问和修改数组中的元素,了解了数组对象的一些属性，比如形状、大小等，以及数组对象的一些方法，比如求和、平均值、最大值、最小值等,学习了如何改变数组的形状，包括改变维度、转置数组、重塑数组等操作，通过学习 reshape、transpose、rollaxis、swapaxes 等函数实现了这些操作,以及掌握了如何使用索引和切片对数组进行元素的访问和修改，包括基本索引、切片索引、布尔索引等方法。在opencv图像处理部分，了解了如何在OpenCV中实现图像的颜色空间转换，这对于图像处理中很多任务都是必不可少的；学习到如何在图像上绘制基本的几何图形，在图像上添加文字，以及如何为图像添加边框以及使用OpenCV查找图像中的轮廓，对OpenCV图像处理模块的功能和应用有了更深入的理解。通过本实验的学习，深入理解了 NumPy 数组的概念、数组的重塑和操作方法，加深了对数组运算和操作的理解。同时，还学习了OpenCV图像处理模块的功能和应用，掌握了实现颜色变换、绘制基本图形、文字绘制、为图像添加边框以及在图像中查找轮廓等技术。为后续更复杂的数据、图像处理和科学计算打下了良好的基础。