【opencv图像处理】-- 6.图像轮廓(面积周长）、多边形逼近、外接矩形、查找/绘制轮廓

希望有能力的朋友还是拿C++做。

本节讨论查找、绘制图像轮廓，轮廓的面积，周长，多边形逼近，多边形凸包，轮廓的外接矩形

1. 图形轮廓（contours）

具有相同颜色或灰度的连续点的曲线，轮廓是形状分析和物体的检测和识别中很有用

• 图形分析
• 物体的识别和检测
• 注意：
  • 为了检测的准确性，首先要二值化或canny操作
  • 画轮廓时会修改输入的图像，如果之后想继续使用原始图像，应该先将原始图像储存到其他变量

1.1 查找轮廓

• cv2.findContours(image, mode, method…)
  • mode:查找轮廓模式
    • RETR_EXTERNAL=0 只检测外围轮廓
    • RETR_LIST=1 检测的轮廓不建立等级关系，检测所有轮廓
    • RETR_CCOMP=2 每层最多两级，从小到大，从里到外
    • RETR_TREE = 3 按照树形储存轮廓，从大到小，从右到左
  • method轮廓近似方法
    • CHAIN_APPROX_NONE 保存轮廓上的所有点
    • CHAIN_APPROX_SIMPLE 只保存焦点，比如四边形只存储四个角，常用
  • 返回值：contour和hierachy即轮廓和等级

import cv2
import numpy as np

cat = cv2.imread('cat.jpeg')
img = cv2.cvtColor(cat, cv2.COLOR_BGR2GRAY)

#二值化，有两个返回值，阈值，结果
ret, binary = cv2.threshold(img, 150, 255, cv2.THRESH_BINARY)

cv2.imshow('img', img)
# cv2.imshow('img2', binary)

contours, hierarchy = cv2.findContours(binary, mode = cv2.RETR_TREE, method=cv2.CHAIN_APPROX_SIMPLE)

print(contours)
cv2.waitKey(0)
cv2.destroyAllWindows()

1.2 绘制轮廓

• drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]])
  • image 要绘制的轮廓图像
  • contours: 轮廓点
  • contouridx 要绘制的轮廓编号 -1表示绘制所有轮廓
  • color 轮廓的颜色 （0，0，255）表示红色
  • thickness 线宽 -1 表示全部填充

import cv2
import numpy as np

cat = cv2.imread('cat.jpeg')
img = cv2.cvtColor(cat, cv2.COLOR_BGR2GRAY)

#二值化，有两个返回值，阈值，结果
ret, binary = cv2.threshold(img, 150, 255, cv2.THRESH_BINARY)
cat_cp = cat.copy()

contours, hierarchy = cv2.findContours(binary, mode = cv2.RETR_TREE, method=cv2.CHAIN_APPROX_SIMPLE)

cv2.drawContours(cat_cp, contours, -1, (0, 0, 255), 2)

cv2.imshow('cat', cat)
cv2.imshow('contours', cat_cp)

cv2.waitKey(0)
cv2.destroyAllWindows()

1.3 轮廓的面积和周长

单位为像素，再找到轮廓后，会有很多细小的轮廓，可以通过轮廓面积进行过滤

• 轮廓面积 contourArea(contour)
• 轮廓周长 arcLengh(curve, closed)
  • curve即轮廓
  • closed是否是闭合的轮廓

import cv2
import numpy as np

cat = cv2.imread('cat.jpeg')
img = cv2.cvtColor(cat, cv2.COLOR_BGR2GRAY)

#二值化，有两个返回值，阈值，结果
ret, binary = cv2.threshold(img, 150, 255, cv2.THRESH_BINARY)
cat_cp = cat.copy()

contours, hierarchby = cv2.findContours(binary, mode = cv2.RETR_TREE, method=cv2.CHAIN_APPROX_SIMPLE)

#一个轮廓的面积
area = cv2.contourArea(contours[0])
print(area)

#一个轮廓周长
perimeter = cv2.arcLength(contours[1], closed=True)
print(perimeter)

2. 多边形逼近

findContours后的轮廓信息contours可能过于复杂不平花，可以用approxPolyDP函数对该多边形曲线近似，这就是轮廓的多边形逼近。

• approxPolyDP就是以多边形去逼近轮廓，采用的是Douglas-Peucker算法（DP）
• DP算法简单，就是不断找多边形最远的点加入形成新的多边形，指导最短距离小于指定精度。
  • approxPolyDP(curbe, epsilon, closed[])
    • curve就是要近似逼近的轮廓
    • epsilon 即DP算法使用的阈值，偏差值5分半开始有详解
    • closed轮廓是否闭合

import cv2
import numpy as np

hand = cv2.imread('hand.jpg')
img = cv2.cvtColor(hand, cv2.COLOR_BGR2GRAY)

#二值化，有两个返回值，阈值，结果
ret, binary = cv2.threshold(img, 150, 255, cv2.THRESH_BINARY)
#hand_cp = img.copy()
hand_cp2 = img.copy()
contours, hierarchy = cv2.findContours(binary, mode = cv2.RETR_TREE, method=cv2.CHAIN_APPROX_SIMPLE)

#cv2.drawContours(hand_cp, contours, -1, (0, 0, 255), 2)

#cv2.imshow('cat', hand)
#cv2.imshow('contours', hand_cp)
print(len(contours))
#使用多边形逼近，近似模拟手的轮廓
#阈值给20，阈值越大，逼近效果越粗糙
approx = cv2.approxPolyDP(contours[0], 20, closed=True)
#本质还是一个轮廓数据

cv2.drawContours(hand_cp2, [approx], 0, (0, 0, 255), 2)
cv2.imshow('moni', hand_cp)


cv2.waitKey(0)
cv2.destroyAllWindows()

3. 多边形凸包

多边形逼近是高度近似，凸包和多边形逼近很像，只不过它是物体最外层的凸多边形，凸包是指完全包含所有轮廓，并且仅由轮廓上的点构成的多边形。

• 完全包含所有轮廓
• 凸包的每一处都是凸的，在凸包内，任意三个连续点的内角小于180°
• convexHull(points[, hull[, clockwise[r, eturnPoints[]]]])
  • points 轮廓
  • clockwise 顺时针绘制

import cv2
import numpy as np

hand = cv2.imread('hand.jpg')
img = cv2.cvtColor(hand, cv2.COLOR_BGR2GRAY)

#二值化
ret, binary = cv2.threshold(img, 150, 255, cv2.THRESH_BINARY)

hand_cp2 = img.copy()
contours, hierarchy = cv2.findContours(binary, mode = cv2.RETR_TREE, method=cv2.CHAIN_APPROX_SIMPLE)

#计算凸包
hull = cv2.convexHull(contours[0])

cv2.namedWindow('moni', cv2.WINDOW_NORMAL)
cv2.resizeWindow('moni', 640, 480)
cv2.drawContours(hand_cp2, [hull], 0, (0, 0, 255), 2)
cv2.imshow('moni', hand_cp2)


cv2.waitKey(0)
cv2.destroyAllWindows()

4. 外接矩形

• 最小外接矩形 minAreaRect(points):有可能会有旋转
• 最大外接矩形 boundingRect(points)：没有旋转，方方正正，返回4点坐标
  ​

import cv2
import numpy as np

cv2.namedWindow('img', cv2.WINDOW_NORMAL)
cv2.resizeWindow('img', 640, 480)
hand = cv2.imread('hand.jpg')

img = cv2.cvtColor(hand, cv2.COLOR_BGR2GRAY)

ret, binary = cv2.threshold(img, 150, 255, cv2.THRESH_BINARY)
hand_cp2 = img.copy()

contours, hierarchy = cv2.findContours(binary, mode = cv2.RETR_TREE, method=cv2.CHAIN_APPROX_SIMPLE)

# rect是一个rotated 的矩形，包含起始坐标(x,y),长宽，旋转角度
# 最小外接矩形
rect = cv2.minAreaRect(contours[540])
print(rect)

# 最大外接矩形，方方正正，返回四个点x,y  w,h
x,y,w,h = cv2.boundingRect(contours[540])
cv2.rectangle(hand_cp2, (x,y), (x+w, y+h), (0,0,255), 2)




#画出矩形,画旋转矩形有用的
#帮我们计算出旋转矩形的4个坐标点
#坐标为整数
box = cv2.boxPoints(rect)
#四舍五入,再取整
box = np.round(box).astype('int')

cv2.drawContours(hand_cp2, [box], 0, (255,0,0), 2)

cv2.imshow('img', hand_cp2)

cv2.waitKey(0)
cv2.destroyAllWindows()