超实用的三十个python 案例（分享3个干货满满的Python实战项目）

超实用的三十个python 案例（分享3个干货满满的Python实战项目）现在我们需要来判断图片当中图形的轮廓，而识别轮廓的算法在opencv模块当中是有内置的，代码如下import cv2 img = cv2.imread("导入照片的路径") ## 将照片灰度化处理 gray_image = cv2.cvtColor(img cv2.COLOR_BGR2GRAY) ## 将灰度化的照片反转处理 inverted_gray_image = 255-gray_image ## 将反转的照片模糊化处理 blurred_inverted_gray_image = cv2.GaussianBlur(inverted_gray_image (19 19) 0) ## 再一次的进行反转 inverted_blurred_image = 255-blurred_inverted_gray_image ### 颜色减淡混合处理 sketck = cv2.d

作者：俊欣

来源：关于数据分析与可视化

今天小编来给大家介绍3个干货满满的计算机视觉方向的Python实战项目，主要用到的库有

• Opencv-python
• numpy
• pillow

要是大家所配置的环境当中没有这几个模块的话，就需要先用pip命令下载安装

pip install opencv-python numpy pillow 边缘检测

边缘检测的基本思想就是简化图像信息，使用边缘线代表图像所携带信息，而这次我们要用到的则是Canny边缘检测算子，在Opencv当中需要调用的是cv.canny()方法即可，代码如下

import cv2 as cv import matplotlib.pyplot as plt img = cv.imread('导入图像的路径' 0) edges = cv.Canny(img 100 200) plt.subplot(121) plt.imshow(img cmap='gray') ......... plt.show()

output

将照片变成素描风格

我们最终要实现的目的在于将照片变成素描风格，大致的逻辑在于首先需要将图片变成灰色图像然后反转，在反转之后进行模糊化处理，代码如下

import cv2 img = cv2.imread("导入照片的路径") ## 将照片灰度化处理 gray_image = cv2.cvtColor(img cv2.COLOR_BGR2GRAY) ## 将灰度化的照片反转处理 inverted_gray_image = 255-gray_image ## 将反转的照片模糊化处理 blurred_inverted_gray_image = cv2.GaussianBlur(inverted_gray_image (19 19) 0) ## 再一次的进行反转 inverted_blurred_image = 255-blurred_inverted_gray_image ### 颜色减淡混合处理 sketck = cv2.divide(gray_image inverted_blurred_image scale= 256.0) cv2.imshow("Original Image" img) cv2.imshow("Pencil Sketch" sketck) cv2.waitKey(0)

output

判断形状

现在我们需要来判断图片当中图形的轮廓，而识别轮廓的算法在opencv模块当中是有内置的，代码如下

import cv2 import numpy as np from matplotlib import pyplot as plt # 导入照片 img = cv2.imread('3.png') # 将照片灰度化处理，当然要是您的照片已经是黑白的，就可以跳过这一步 gray = cv2.cvtColor(img cv2.COLOR_BGR2GRAY) # setting threshold of the gray image _ threshold = cv2.threshold(gray 127 255 cv2.THRESH_BINARY) # 识别轮廓的方法 contours _ = cv2.findContours( threshold cv2.RETR_TREE cv2.CHAIN_APPROX_SIMPLE) i = 0 for contour in contours: # cv2.approxPloyDP() function to approximate the shape approx = cv2.approxPolyDP(contour 0.01 * cv2.arcLength(contour True) True) # 找到图片的中心点 M = cv2.moments(contour) if M['m00'] != 0.0: x = int(M['m10'] / M['m00']) y = int(M['m01'] / M['m00']) # 将轮廓的名字放在各个图形的中央 if len(approx) == 3: cv2.putText(img 'Triangle' (x y) cv2.FONT_HERSHEY_SIMPLEX 0.6 (0 0 0) 2) elif len(approx) == 4: ....... elif len(approx) == 5: ...... elif len(approx) == 6: ...... else: ...... # 将最后的图形呈现出来 cv2.imshow('shapes' img) cv2.waitKey(0) cv2.destroyAllWindows()

output