使用 Python-OpenCV 计算对象的数量

在本文中，我们将使用图像处理在Python中使用 OpenCV 计算对象的数量。

需要的模块

• OpenCv ： OpenCv 是一个开源库，可用于计算机视觉应用，例如图像处理、视频处理、面部识别和检测等。
• Numpy ： Numpy 是一个用于科学计算的Python包。它是一个流行的机器学习数学库。 Numpy 的主要对象是一个多维数组。
• Matplotlib ： Matplotlib 是一个Python库，用于数据可视化和数据的图形绘制。

使用的图像：。

分步实施

第 1 步：导入所需的库。

Python3

# Import libraries
import cv2
import numpy as np
import matplotlib.pyplot as plt

第 2 步：我们将使用“cv2.imread(image-name)”命令读取图像，然后使用“cv2.cvtColor(image-name, cv2.COLOR_BGR2GRAY)”命令将此图像转换为灰度图像。

蟒蛇3

image = cv2.imread('coins.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
plt.imshow(gray, cmap='gray')

输出：

第 3 步：对于计数，我们必须检测边缘，但在检测边缘之前，我们必须使图像模糊以避免噪声。使用“cv2.GaussianBlur(image-name, Kernal size, std.deviation)” 。

蟒蛇3

blur = cv2.GaussianBlur(gray, (11, 11), 0)
plt.imshow(blur, cmap='gray')

输出：

第 4 步：现在我们将使用 canny 算法检测边缘，cv2.canny()函数中的第二个和第三个参数是阈值。 30 和 150 之间的值被视为该图像的边缘。

蟒蛇3

canny = cv2.Canny(blur, 30, 150, 3)
plt.imshow(canny, cmap='gray')

输出：

第 5 步：我们可以看到边没有连接。我们需要连接边缘，必须使更多的厚度和可见性。

蟒蛇3

dilated = cv2.dilate(canny, (1, 1), iterations=0)
plt.imshow(dilated, cmap='gray')

输出：

第 6 步：现在我们必须计算图像中的轮廓并将图像从 BGR 转换为 RGB，然后绘制轮廓。

蟒蛇3

(cnt, heirarchy) = cv2.findContours(
    dilated.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
cv2.drawContours(rgb, cnt, -1, (0, 255, 0), 2)
  
plt.imshow(rgb)

输出：

第 7 步：打印结果

蟒蛇3

print("coins in the image : ", len(cnt))

输出：

coins in the image:  5

下面是完整的实现：

蟒蛇3

# Import libraries
import cv2
import numpy as np
import matplotlib.pyplot as plt
  
image = cv2.imread('coins.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
  
blur = cv2.GaussianBlur(gray, (11, 11), 0)
canny = cv2.Canny(blur, 30, 150, 3)
dilated = cv2.dilate(canny, (1, 1), iterations=0)
  
(cnt, heirarchy) = cv2.findContours(
    dilated.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
cv2.drawContours(rgb, cnt, -1, (0, 255, 0), 2)
  
  
print("coins in the image : ", len(cnt))

输出：

coins in the image :  5