内容： 图像分割和轮廓提取是图像处理中的重要任务，它们可以帮助我们从复杂背景中提取目标对象。今天，我们将通过 Trae 和 OpenCV 实现图像分割和轮廓提取。

图像分割与轮廓提取原理

图像分割通常通过阈值化方法将图像划分为前景和背景。轮廓提取则通过查找分割后的图像中的轮廓来实现。

实现步骤

1. 读取图像并灰度化

   • 读取图像并将其转换为灰度图像。

   Python

   复制

   import cv2
   
   image = cv2.imread('test_image.jpg', cv2.IMREAD_GRAYSCALE)

2. 应用阈值化

   • 使用 cv2.threshold() 函数对图像进行阈值化处理。

   Python

   复制

   _, thresh = cv2.threshold(image, 128, 255, cv2.THRESH_BINARY)

3. 查找轮廓

   • 使用 cv2.findContours() 函数查找轮廓。

   Python

   复制

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

4. 绘制轮廓

   • 使用 cv2.drawContours() 函数绘制轮廓。

   Python

   复制

   result = cv2.cvtColor(image, cv2.COLOR_GRAY2BGR)
   cv2.drawContours(result, contours, -1, (0, 255, 0), 2)

5. 显示和保存结果

   • 显示结果并保存。

   Python

   复制

   cv2.imshow('Contours', result)
   cv2.imwrite('contours.jpg', result)
   cv2.waitKey(0)
   cv2.destroyAllWindows()

完整代码

Python

复制

import cv2

# 读取图像并灰度化
image = cv2.imread('test_image.jpg', cv2.IMREAD_GRAYSCALE)

# 应用阈值化
_, thresh = cv2.threshold(image, 128, 255, cv2.THRESH_BINARY)

# 查找轮廓
contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 绘制轮廓
result = cv2.cvtColor(image, cv2.COLOR_GRAY2BGR)
cv2.drawContours(result, contours, -1, (0, 255, 0), 2)

# 显示和保存结果
cv2.imshow('Contours', result)
cv2.imwrite('contours.jpg', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

总结

通过 Trae 和 OpenCV，我们成功实现了图像分割和轮廓提取。这些功能在目标检测和识别中非常有用。接下来，我们将探索更多高级图像处理技术。