快速学会利用opencv对图像轮廓进行检测

一、引言

在OpenCV中，轮廓检测是一种常用的图像处理技术，用于找到图像中的对象的边界。轮廓是图像中相连的边界像素的连续曲线。

二、具体步骤

检测轮廓的API： 

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

参数：img：需要实现轮廓检测的原图

mode: 轮廓的检索模式，主要有四种方式：

    a)cv2.RETR_EXTERNAL：只检测外轮廓，所有子轮廓被忽略

    b）cv2.RETR_LIST：检测的轮廓不建立等级关系，所有轮廓属于同一等级

    c)cv2.RETR_CCOMP：返回所有的轮廓，只建立两个等级的轮廓。一个对象的外轮廓为第1级组织结构。而对象内部中空洞的轮廓为第2级组织结构，空洞中的任何对象的轮廓又是第 1 级组织结构。

    d)cv2.RETR_TREE：返回所有的轮廓，建立一个完整的组织结构的轮廓。

 method：轮廓的近似方法，主要有以下两种：

    a)cv2.CHAIN_APPROX_NONE：存储所有的轮廓点。

    b)cv2.CHAIN_APPROX_SIMPLE：压缩模式，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息。

返回值含义： 

 1、image：返回处理的原图

 2、contours：包含图像中所有轮廓的list对象。其中每一个独立的轮廓信息以边界点坐标     （x,y）的形式储存在numpy数组中。

 3、hierarchy：轮廓的层次结构。一个包含4个值的数组：[Next, Previous, First Child,     Parent]

   Next：与当前轮廓处于同一层级的下一条轮廓

   Previous：与当前轮廓处于同一层级的上一条轮廓

   First Child：当前轮廓的第一条子轮廓

   Parent：当前轮廓的父轮廓

注意：做轮廓检测前需要将图片读取为二值数据，即像素值只为0和255。

三、代码实现 

import cv2

# 读取图像
image = cv2.imread('phone.png')

# 将图像转换为灰度
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 使用阈值处理将图像转换为二值图像
ret, thresh = cv2.threshold(gray, 120, 255, 0)

# 执行轮廓检测
image_thresh,contours, hierarchy = cv2.findContours(thresh,  cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

# 绘制轮廓
contour_image = cv2.drawContours(image.copy(), contours=contours, contourIdx=-1,color=(0,255,0),thickness=3)

# 显示带有轮廓的图像
cv2.imshow('Contours', contour_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行前后结果对比：

 

上述示例的步骤如下：

1. 读取图像并将其转换为灰度图像。
2. 使用阈值处理将灰度图像转换为二值图像，这有助于明确目标的轮廓。
3. 使用cv2.findContours()函数来检测图像中的轮廓。该函数返回轮廓的列表以及轮廓之间的层次信息。
4. 使用cv2.drawContours()函数将检测到的轮廓绘制在原始图像上。
5. 最后，显示带有轮廓的图像。

四、总结 

轮廓检测对于目标检测、形状分析、图像分割等应用非常有用。你可以进一步处理和分析检测到的轮廓，例如计算轮廓的面积、周长，查找特定形状的轮廓等。