轮廓入门
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:
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:
- 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 = M 10 M 00 和 C y = M 01 M 00 C_x = \frac{M_{10}}{M_{00}} 和 C_y = \frac{M_{01}}{M_{00}} Cx=M00M