书接上文(doge)

轮廓检测并绘制

在上图中，我们有6个形状轮廓。让我们通过代码找到并绘制他们的轮廓：

在第34行和第35行，我们使用CV2。查找轮廓以检测图像中的轮廓。注意参数标志，但现在让我们保持简单——我们的算法是在阈值中查找所有前景（白色）像素。复制（）图像。

第36行非常重要，因为CV2。findContours的实现在OpenCV 2.4、OpenCV 3和OpenCV 4之间进行了更改。无论涉及到什么样的轮廓，博客上都会出现这种兼容性。

我们在第37行复制原始图像，以便在随后的第40-45行绘制轮廓。

我们使用CVC列表中的每一行CNT47来适当地绘制cnts。画轮廓。我选择了紫色，它由元组（240，0，159）表示。

根据我们之前在这篇博文中了解到的内容，让我们在图像上叠加一些文本：

第48行构建一个文本字符串，其中包含形状轮廓的数量。计算这张图像中物体的总数就像检查轮廓列表的长度一样简单。

结果如下图所示：

侵蚀和扩张

腐蚀和膨胀通常用于减少二值图像中的噪声（阈值化的副作用）。

为了减小前景对象的大小，我们可以通过多次迭代来削弱像素：

在第55行，我们复制thresh图像，同时将其命名为mask。

然后，利用CV2。侵蚀，我们继续通过5次迭代来减小轮廓尺寸（第56行）。

如下图所示，由俄罗斯方块轮廓生成的面具略小：

类似地，我们可以在遮罩中显示前景区域。要扩大区域，只需使用CV2.dilate：

掩蔽和按位操作

遮罩允许我们“遮掩”我们不感兴趣的图像区域。我们称它们为“遮罩”，因为它们会隐藏我们不关心的图像区域。

如果我们使用文章中的第四张图片的thresh图像，并用原始图像遮罩它，我们将看到下图：

在上图中，背景现在是黑色的，前景由彩色像素组成——任何被遮罩图像遮住的像素。

让我们学习如何做到这一点：

通过复制二值阈值图像生成掩模（第67行）。

从这里，我们使用CV2按位和两幅图像中的像素组合在一起。按位_和。

结果如上图所示，我们现在只显示/突出显示俄罗斯方块。

运行第二个OpenCV教程Python脚本

上期简单的讲了一下如何运行这个程序，那么详细教程来了！

（干嘛说这么多废话）

要运行第二个脚本，请确保您位于包含下载的源代码和Python脚本的文件夹中。从那里，我们将打开一个终端，提供脚本名+命令行参数：

参数标志是--image，图像参数本身是俄罗斯方块。png-目录中相关文件的路径。

此脚本没有终端输出。同样，要循环浏览图像，请确保单击图像窗口使其处于活动状态，从那里可以按一个键，它将被捕获，以前进到脚本中的下一个等待键（0）。当程序完成运行时，脚本将优雅地退出，并在终端中显示一个新的bash提示行。

PS:当然也可以使用上一期所讲的方法，上文是原作者写的，而上一期的是我这个87找老师后的解答，两者都可以运行

以下是废话时间（bushi）

那么，关于基于Python的Opencv入门教程的第二大Part也结束了。（没想到两期就赶完了）

接来应该会更新关于这个外国作者的其他文章。

还有，视频短时间内是更不了了QAQ