Python+OpenCV感兴趣区域ROI提取方法
发布时间：2026-10-13 |
2人浏览过
本文介绍两种基于Python和OpenCV的感兴趣区域ROI提取方法。方法一通过轮廓检测实现，包括灰度转换、自适应阈值处理及轮廓填充；方法二利用图像切片直接获取指定坐标区域。内容涵盖具体代码示例与操作步骤，帮助开发者快速掌握ROI提取技术。
方法一：使用轮廓
步骤1
"""src为原图""" ROI = np.zeros(src.shape, np.uint8) #感兴趣区域ROI proimage = src.copy() #复制原图 """提取轮廓""" proimage=cv2.cvtColor(proimage,cv2.COLOR_BGR2GRAY) #转换成灰度图 proimage=cv2.adaptiveThreshold(proimage,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY_INV,7,7) proimage,contours,hierarchy=cv2.findContours(proimage,cv2.RETR_CCOMP,cv2.CHAIN_APPROX_NONE) #提取所有的轮廓
步骤2
"""ROI提取""" cv2.drawContours(ROI, contours, 1,(255,255,255),-1) #ROI区域填充白色，轮廓ID1 ROI=cv2.cvtColor(ROI,cv2.COLOR_BGR2GRAY) #转换成灰度图 ROI=cv2.adaptiveThreshold(ROI,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY_INV,7,7) #自适应阈值化 imgroi= cv2.bitwise_and(ROI,proimage) #图像交运算 ，获取的是原图处理——提取轮廓后的ROI 2.#imgroi = cv2.bitwise_and(src,src,mask=ROI) 3.#imgroi = ROI & src 无需灰度+阈值，获取的是原图中的ROI
方法二
img1 = cv2.imread('roi.jpg')
roi = img1[0:rows, 0:cols ]
以上这篇Python+OpenCV感兴趣区域ROI提取方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持本站。
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
