Opencv基于Python图像轮廓——轮廓绘制及其特征

目标

在本篇文章中，我们将学习到以下内容：

• 了解轮廓是什么
• 学习查找轮廓，绘制轮廓等
• 轮廓入门部分你将学到以下函数：cv.findContours()，cv.drawContours()
• 如何找到轮廓的不同特征，例如面积，周长，质心，边界框等
• 轮廓特征部分你将学习到大量与轮廓有关的功能

1. 轮廓入门

1.1 什么是轮廓

轮廓可以简单地解释为连接具有相同颜色或强度的所有连续点（沿边界）的曲线，轮廓是用于形状分析以及对象检测和识别的有用工具。

• 为了获得更高的准确性，请使用二进制图像。因此，在找到轮廓之前，请应用阈值或canny边缘检测。
• 从OpenCV 3.2开始，findContours()不再修改原图像。
• 在OpenCV中，找到轮廓就像从黑色背景中找到白色物体。因此请记住，一般需要找到的对象应该是白色，背景应该是黑色。

下面让我们看看如何找到二进制图像的轮廓：

代码1.1：

import numpy as np
import cv2 as cv

# 读取图像
img = cv.imread('./data/test.png')
# 灰度化
imggray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 二值化
ret, thresh = cv.threshold(imggray, 127, 255, 0)
# 轮廓提取
img2, contours, hierarchy = cv.findContours(thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
# 第三个参数传递值为-1，绘制所有轮廓
cv.drawContours(img, contours, -1, (0, 255, 0), 3)
# cv.drawContours(img, contours, 3, (0, 255, 0), 3)
# cnt = contours[3]
# cv.drawContours(img, [cnt], 0, (0, 255, 0), 3)
# 显示轮廓
cv.namedWindow('drawContours', 0)
cv.imshow('drawContours', img)
cv.waitKey()

findcontour()函数中有三个参数，第一个是原图像，第二个是轮廓检索模式，第三个是轮廓逼近方法，输出等高线和层次结构。轮廓是图像中所有轮廓的Python列表，每个单独的轮廓是一个(x,y)坐标的Numpy数组的边界点的对象。

效果如下图所示：

绘制所有轮廓

注意： 接下来我们将详细讨论第二和第三个参数以及有关层次的结构，在此之前，代码示例中赋予它们的值将适用于所有图像。

1. 2 如何绘制轮廓

要绘制轮廓，请使用cv.drawContours函数。只要有边界点，它也可以用来绘制任何形状，它的第一个参数是原图像，第二个参数是应该作为Python列表传递的轮廓，第三个参数是轮廓的索引（在绘制单个轮廓时有用，要绘制所有轮廓，请传递-1），其余参数是颜色，宽度等等。

• 在图像中绘制所有轮廓：

cv.drawContours(img, contours, -1, (0,255,0), 3)

• 绘制单个轮廓，如第四个轮廓，仅需修改上述第13行代码参数即可：

cv.drawContours(img, contours, 3, (0,255,0), 3)

效果如下图所示：

绘制第四条轮廓

• 但是在大多数情况下，以下方法会很有用：

cnt = contours[3]
cv.drawContours(img, [cnt], 0, (0,255,0), 3)

注意: 最后两种方法相似，但是学习到后面时，你会发现最后一种更有用。

1.3 轮廓近似方法

这是cv.findContours函数中的第三个参数。它实际上表示什么？

上面我们说的是轮廓强度相同形状的边界，它存储形状边界的(x,y)坐标，但是它存储所有坐标吗？其实它是通过轮廓近似方法指定的。

如果传递cv.CHAIN_APPROX_NONE，则将存储所有边界点，但是实际上我们需要所有这些点吗？例如，你找到了一条直线的轮廓。你是否需要线上的所有点来代表该线？不，我们只需要该线的两个端点即可。这就是cv.CHAIN_APPROX_SIMPLE所做的。它删除所有冗余点并压缩轮廓，从而节省内存。

下面的矩形图像演示了此技术，只需在轮廓数组中的所有坐标上绘制一个环（以绿色绘制），第一幅图像显示了我用cv.CHAIN_APPROX_NONE获得的效果（734个点），第二幅图像显示了我用cv.CHAIN_APPROX_SIMPLE获得的效果（只有4个点）。可以看到，它可以节省大量内存！！！

2. 轮廓特征

在本章节部分，我们将学习以下内容：

• 如何找到轮廓的不同特征，例如面积，周长，质心，边界框等
• 实现大量与轮廓有关的功能

2.1 特征矩

特征矩可以帮助计算一些特征，例如物体的质心，物体的面积等，函数cv.moments()提供了所有计算出的矩值的字典。此时，你可以提取有用的数据，例如面积，质心等。

质心由关系给出，$$C_x=\underset{M_{00}}{}$$