Python 计算更多的元素，然后它应该是_Python_Opencv

Python 计算更多的元素，然后它应该是

python opencv

Python 计算更多的元素，然后它应该是,python,opencv,Python,Opencv,我正在用Python学习OpenCV，我想学习如何计算图像中的对象/元素我写了一个计数代码，但是我得到了错误的结果。图像中有12个元素，我得到了40个，但也有一些元素没有计算在内我不知道我做错了什么这是我的代码： import cv2 img = cv2.imread('slika.jpg') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) print('There are 12 elements on this image') #cv2.i

我正在用Python学习OpenCV，我想学习如何计算图像中的对象/元素

我写了一个计数代码，但是我得到了错误的结果。图像中有12个元素，我得到了40个，但也有一些元素没有计算在内

我不知道我做错了什么

这是我的代码：

import cv2

img = cv2.imread('slika.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

print('There are 12 elements on this image')

#cv2.imshow('img', gray)
#cv2.waitKey(0)

ret,thresh = cv2.threshold(gray,127,255,1)
contours,h = cv2.findContours(thresh,1,1)

print('Number of elements found:', len(contours))

for cnt in contours:
    cv2.drawContours(img,[cnt],0,(0,0,255),2)

cv2.imshow('img', img)
cv2.waitKey(0)

这是默认图像，包含12个元素：

结果是：

您可以看到，粉红色和两个黄色元素无法识别，但这是绿色元素的问题

我做错了什么，以及如何解决这个问题？

有几点需要改进您当前的代码

如果你真的看了一眼你的灰色图像，你会发现你的阈值127太低了。黄色和粉色结构的灰度值高于127，然后被cv2.threshold忽略。出于同样的原因，绿色结构也支离破碎。通常，最好使用实际的枚举值，如，而不是它们的数值

对于轮廓检测，最好采用检索模式，只考虑大部分外部轮廓。同样，使用枚举值

通过这些更改，您的代码可以正常工作：

进口cv2 读取图像 img=cv2.imread'DIVmd.jpg' 将图像转换为灰度灰色=cv2.CVT颜色，cv2.COLOR\U BGR2GRAY 显示灰度图像 cv2.显示“灰色”，灰色打印“此图像上有12个元素” 阈值为224的反向二值阈值图像， i、 e.值大于224的每个像素设置为0，并且值低于224的每个像素被设置为1 _，thresh=cv2.thresholdgray，224255，cv2.thresh\u BINARY\u INV 显示阈值图像 cv2.imshow'thresh'，thresh 寻找轮廓 cv2.RETR_外部：仅检索最外部轮廓 cv2.CHAIN_近似值_无：绝对存储所有轮廓点轮廓，h=cv2.findContoursthresh，cv2.RETR\u外部，cv2.CHAIN\u近似值\u无打印“找到的元素数：”，然后打印迭代所有找到的轮廓对于轮廓中的cnt：在原始/最终图像中绘制轮廓 cv2.Simg，[cnt]，0,0,0,255,2 显示最终图像 cv2.imshow'img'，img cv2.0 出于可视化目的，这是您的灰色图像：

这是实际的阈值图像阈值：

最后，输出img：

当然，打印输出现在也是正确的：

此图像上有12个元素找到的元素数：12

希望有帮助