### 使用 OpenCV 从灰度图像中提取轮廓 为了从 `gray_img` 灰度图像中提取轮廓，可以按照以下方法进行： #### 预处理 如果还没有对输入的灰度图做任何预处理，在这一步可以根据需求应用一些平滑滤波器来减少噪声的影响。例如高斯模糊可以帮助去除不必要的细节。 ```python import cv2 import numpy as np # 假设 gray_img 是已经加载好的灰度图像 blurred = cv2.GaussianBlur(gray_img, (5, 5), 0) ``` #### 图像二值化 接着将灰度图像转换为二值图像，这样可以使后续查找轮廓更加容易。这里采用固定阈值法来进行二值化处理[^2]。 ```python ret, binary = cv2.threshold(blurred, 127, 255, cv2.THRESH_BINARY) ``` #### 寻找轮廓 利用 `cv2.findContours()` 函数获取所有的轮廓信息。需要注意的是该函数会修改传入的图像数据副本，因此建议传递一份拷贝给它[^1]。 ```python contours, hierarchy = cv2.findContours(binary.copy(), cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) ``` 上述代码片段实现了从灰度图像到轮廓提取的过程。其中 `RETR_TREE` 参数指定了检索模式用于构建完整的层次结构；而 `CHAIN_APPROX_SIMPLE` 则表示压缩水平、垂直和对角方向上的冗余点，并只保留端点坐标。 #### 绘制并展示结果 最后可以通过 `cv2.drawContours()` 来可视化这些轮廓，并通过 `cv2.imshow()` 显示出来。 ```python result_image = gray_img.copy() cv2.drawContours(result_image, contours, -1, (0, 255, 0), 2) # 展示原图与带轮廓的结果对比 cv2.imshow('Original Image', gray_img) cv2.imshow('Detected Contours', result_image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 这段程序展示了如何使用 OpenCV 库完成从灰度图像中提取轮廓的任务。对于不同的应用场景可能还需要调整参数设置以获得最佳效果。