图像轮廓绘制：从理论到实践

本文链接：https://blog.csdn.net/2301_76849908/article/details/147471272

一、引言

在图像处理领域，轮廓是一个非常重要的概念。它能够帮助我们分析物体的形态，计算物体的周长、面积等信息。本文将详细介绍什么是轮廓，如何在 OpenCV 中寻找轮廓以及如何绘制轮廓。

二、什么是轮廓？

轮廓是一系列相连的点组成的曲线，代表了物体的基本外形。与边缘不同，轮廓是连续的，而边缘不一定连续。边缘主要作为图像的特征使用，例如可以用边缘特征区分脸和手；而轮廓主要用于分析物体的形态。可以说，边缘包括轮廓。

三、寻找轮廓

3.1 原理概述

在 OpenCV 中，使用 cv2.findContours() 函数来寻找轮廓。其原理较为复杂，这里简单介绍一下。寻找轮廓需要将图像进行二值化处理，根据图像的不同选择合适的二值化方法，将图像中要绘制轮廓的部分置为白色，其余部分置为黑色。也就是说，需要对原始图像进行灰度化、二值化处理，使目标区域显示为白色，其他区域显示为黑色。

之后，对图像中的像素进行遍历，当一个白色像素相邻（上下左右及两条对角线）位置有黑色像素存在，或者一个黑色像素相邻（上下左右及两条对角线）位置有白色像素存在时，该像素点就会被认定为边界像素点，轮廓就是由无数个这样的边界点组成的。

3.2 `cv2.findContours()` 函数介绍

该函数的原型为：

contours, hierarchy = cv2.findContours(image, mode, method)

contours：表示获取到的轮廓点的列表。检测到有多少个轮廓，该列表就有多少子列表，每一个子列表都代表了一个轮廓中所有点的坐标。
hierarchy：表示轮廓之间的关系。对于第 i 条轮廓，hierarchy[i][0]、hierarchy[i][1]、hierarchy[i][2]、hierarchy[i][3] 分别表示其后一条轮廓、前一条轮廓、（同层次的第一个）子轮廓、父轮廓的索引（如果没有对应的索引，则为负数）。该参数的使用情况相对较少。
image：表示输入的二值化图像。
mode：表示轮廓的检索模式。
method：轮廓的表示方法。

3.3 `mode` 参数详解

mode 参数共有四个选项：

RETR_LIST：列出所有的轮廓。并且在 hierarchy 里的轮廓关系中，每一个轮廓只有前一条轮廓与后一条轮廓的索引，而没有父轮廓与子轮廓的索引。
RETR_EXTERNAL：只列出最外层的轮廓。并且在 hierarchy 里的轮廓关系中，每一个轮廓只有前一条轮廓与后一条轮廓的索引，而没有父轮廓与子轮廓的索引。
RETR_CCOMP：列出所有的轮廓。并且在 hierarchy 里的轮廓关系中，轮廓会按照成对的方式显示。
RETR_TREE：列出所有的轮廓。并且在 hierarchy 里的轮廓关系中，轮廓会按照树的方式显示，其中最外层的轮廓作为树根，其子轮廓是一个个的树枝。

3.4 `method` 参数详解

method 参数有三个选项：

CHAIN_APPROX_NONE：将所有的轮廓点都进行存储。
CHAIN_APPROX_SIMPLE：只存储有用的点，比如直线只存储起点和终点，四边形只存储四个顶点，默认使用这个方法。
CHAIN_APPROX_TC89_L1：使用 Teh - Chin 链逼近算法进行轮廓逼近。这种方法使用的是 Teh - Chin 链码，它是一种边缘检测算法，可以对轮廓进行逼近，减少轮廓中的冗余点，从而更加准确地表示轮廓的形状。该方法适用于需要较高精度的轮廓表示的情况。

一般情况下，mode 和 method 这两个参数使用 RETR_EXTERNAL 和 CHAIN_APPROX_SIMPLE 这两个选项。

四、绘制轮廓

轮廓找出来后，返回的是一个轮廓点坐标的列表，我们需要根据这些坐标将轮廓画出来，这时就用到了 cv2.drawContours() 函数。

cv2.drawContours(image, contours, contourIdx, color, thickness)

image：原始图像，一般为单通道或三通道的 numpy 数组。
contours：包含多个轮廓的列表，每个轮廓本身也是一个由点坐标构成的二维数组（numpy 数组）。
contourIdx：要绘制的轮廓索引。如果设为 -1，则会绘制所有轮廓。
color：绘制轮廓的颜色，可以是 BGR 值或者是灰度值（对于灰度图像）。
thickness：轮廓线的宽度，如果是正数，则画实线；如果是负数，则填充轮廓内的区域。

五、代码示例

import cv2
import numpy as np

def test001():
    img = cv2.imread('./src/num.png')
    # 使用cv2.cvtColor函数将彩色图像img转换为灰度图像。cv2.COLOR_BGR2GRAY是颜色空间转换代码，表示从 BGR（蓝、绿、红）颜色空间转换为灰度颜色空间
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # 使用cv2.threshold函数对灰度图像gray进行二值化处理。
    _, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)
    # 使用cv2.findContours函数在二值化图像binary中查找轮廓。
    contours,hierarchy=cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    # 打印检测到的轮廓数量和轮廓的层次关系
    print(len(contours),hierarchy)
    # 打印第一个轮廓的点坐标
    print(contours[0])

    # 遍历每个轮廓，使用cv2.line函数在原图像img上依次连接轮廓上的点，绘制出轮廓的线条。线条颜色为红色(0, 0, 255)，线宽为 2。
    # for counter in contours:
    #     first_contour = counter[0][0]
    #     for el in counter:
    #         # print(first_contour,el[0],"==========")
    #         # break
    #         cv2.line(img,first_contour,el[0],(0,0,255),2)
    #         first_contour=el[0] 

    cv2.drawContours(img,contours,1,(0,255,0),2)  

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

if __name__ == '__main__':
    test001()

六、总结

本文详细介绍了图像轮廓的概念、寻找轮廓的原理和方法，以及如何使用 OpenCV 绘制轮廓。通过合理选择 cv2.findContours() 函数的 mode 和 method 参数，我们可以根据实际需求获取不同类型的轮廓信息。同时，利用 cv2.drawContours() 函数可以将轮廓可视化，方便后续的分析和处理。希望本文能对大家在图像处理领域的学习和实践有所帮助。