Opencv+Python笔记（八）轮廓检测

一、轮廓的检测和绘制

轮廓检测有什么作用：
使用轮廓检测可以获得物体的边界，方便在图像中对他们进行定位。

什么是轮廓：
当我们把物体边缘所有的点连接在一起可以获得轮廓。对于特定的轮廓是指那些具有相同颜色和亮度的边界点像素。

调用流程：
（1）读入图像
（2）将读入图像转化为灰度图
（3）对（2）得到的灰度图进行二值化或者Candy边缘检测处理，从而把感兴趣的物体加亮凸显出来以便于使用轮廓检测算法
（4）进行轮廓检测（使用 findContours()函数来检测图像中的所有的轮廓）
（5）在原图中显示轮廓（使用 drawContours()函数来在原图上显示轮廓）

1.读入图像

img = cv2.imread('img.jpg')

2.将读入图像转化为灰度图

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

3.对灰度图进行二值化 图像的阈值化处理

ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

4.进行轮廓检测

Opencv API：

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

参数：
contours：检测到的轮廓，每个轮廓是由一些点构成的向量组成
hierarchy：记录轮廓之间的层级关系，四个维度分别代表：同级后一个轮廓的序号、同级上一个轮廓的序号、第一个孩子序号，父亲序号
mode：检测轮廓的层级关系排列规则：（1）RETR_EXTERNAL：仅仅检测外圈轮廓；（2）RETR_LIST：检测所有轮廓，但是没有层级关系；（3）RETR_CCOMP：仅仅两层包含关系，即只有外层和内层，假设有夹层，那么夹层也算外层，只要某个轮廓还包含有轮廓，都算外部轮廓；（4）RETR_TREE：检测所有的轮廓，并存储非常完整的层级关系，一般都用这个 把所有轮廓都存下来以后用得到哪个就拿哪个
method：轮廓点的存储方式：（1）CHAIN_APPROX_NONE：将要存储的轮廓整个存储下来；（2）HAIN_APPROX_SIMPLE：该算法对水平、垂直以及对角线方向的片段轮廓进行了省略，仅仅保存了他们的端点。这意味着所有直线上的点都会消失，只保存端点信息，比如矩形就只保存四个顶点。这种模式先处理速度要比CHAIN_APPROX_NONE更快，所需要的内存更少，因此执行时间就会被节省。

5.在原图中显示轮廓

Opencv API：

img = cv2.drawContours(img, contours, index, color, thickness, linetype)

参数：
contours：是list类型的数组，里面存储了轮廓数组包含所有存储的轮廓
contourIdx：从上面的轮廓list中取出哪一个画出来，-1代表全部
color：绘制轮廓所用颜色
thickness：线条粗细，-1代表填充式画轮廓，整个轮廓内部被指定颜色填充
lineType：线条类型，虚线、实线之类的，默认实线

注意：
绘制轮廓钱要做一个原图的副本，图片传入绘制轮廓函数后，会在该图片上画出轮廓从而使得该图片无法使用

二、轮廓层级关系

多数情况下，如果一个形状中包含有其它形状，我们一般认为外边形状是出内部形状的父亲。

其中4a为4的内侧轮廓，5a为5的内侧轮廓
OpenCV 用 [Next, Previous, First_Child, Parent] 表示轮廓层级关系信息。即返回值hierarchy。

next:同层级的下一个轮廓，若不存在则为-1
previous:同层级的上一个轮廓，若不存在则为-1
first_child:该轮廓的第一个孩子结点，不存在则为-1
parent:该轮廓的父亲结点，不存在则为-1

然后来解释一下mode的四个轮廓获取方法

1.RET_LIST

该轮廓获取方法不创建任何父子关系，直接存储，如图：

2.RETR_EXTERNAL

该轮廓检测方法仅仅存储父亲轮廓，子孙轮廓被忽略，如图：

3. RETR_CCOMP

该轮廓检测算法将轮廓赋值为 2 个级别。所有的外部轮廓都是层级1，所有的内部轮廓都是层级2； 如果内部还有其他内部层级，循环使用级别1 和 2。

如图：

4.RETR_TREE

RETR_TREE获得所有的轮廓并检索所有轮廓并创建一个家族，告诉谁是儿子，谁是孙子，谁是父亲，谁是祖父，如图：

---

代码：

ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)  #检测轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

draw_img = img.copy()
res = cv2.drawContours(draw_img, contours, -1, (255, 0, 0), 2)  #绘制轮廓

titles = ['origin', 'contours']
imgs = [img, res]
plt_show(2, 1, 2, titles, imgs)

三、轮廓特征

1.轮廓周长

Opencv API：

leng = cv2.arcLength(cnt, isClosed)  

参数：
cnt:所要检测周长的轮廓
isClosed:标志位，若为True表示轮廓闭合，若为False表示轮廓不闭合

2.轮廓面积

Opencv API：

area = cv2.contourArea(cnt)

3.轮廓近似

Opencv API：

cv2.approxPolyDP(curve, epsion, isClosed)

参数
curve 轮廓
epsion 原始轮廓和近似多边形之间的最大误差δ值 精度越高越逼近原始轮廓
isClosed 布尔标志，如果是True，表示多边形是闭合的

代码：

cnt = contours[2]
epsilon = 0.1 * cv2.arcLength(cnt, True)
approx = cv2.approxPolyDP(cnt, epsilon, True)

draw_img = img.copy()
res = cv2.drawContours(draw_img, [approx], -1, (255, 0, 0), 2)
cv_show('res', res)