opencv python 寻找轮廓/轮廓hierarchy/绘制轮廓

寻找轮廓

简单地解释为连接所有连续点（沿着边界）的曲线，具有相同的颜色或强度.
轮廓是形状分析和物体检测和识别的有用工具

1. 为获得更好的准确性，请使用二值图，在找到轮廓之前，应用阈值法或canny边缘检测
2. 从OpenCV 3.2开始，findContours（）不再修改源图像，而是将修改后的图像作为三个返回参数中的第一个返回
3. 在OpenCV中，查找轮廓是从黑色背景中查找白色对象

findContours(image, mode, method[, contours[, hierarchy[, offset]]])

• image：原图像
• mode：轮廓检索模式
• method：轮廓近似方法
• contours：是一个向量，并且是一个双重向量，向量内每个元素保存了一组由连续的Point点构成的点的集合的向量，每一组Point点集就是一个轮廓。 有多少轮廓，向量contours就有多少元素。
• hierarchy：“vector hierarchy”定义了一个“向量内每一个元素包含了4个int型变量”的向量。
• Point：偏移量，所有的轮廓信息相对于原始图像对应点的偏移量，相当于在每一个检测出的轮廓点上加上该偏移量，并且Point还可以是负值！

输出为： 修改后的图像，轮廓，层次结构

轮廓是所有轮廓的列表.每个单独的轮廓是对象边界点的坐标.

轮廓检索模式	含义
cv2.RETR_EXTERNAL	只检测外轮廓
cv2.RETR_LIST	提取所有轮廓并将其放入列表,不建立等级关系
cv2.RETR_CCOMP	建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层
cv2.RETR_TREE	建立一个等级树结构的轮廓

轮廓逼近方法	含义
cv2.CHAIN_APPROX_NONE	存储所有的轮廓点，相邻的两个点的像素位置差不超过1，即max（abs（x1-x2），abs（y2-y1））==1
cv2.CHAIN_APPROX_SIMPLE	压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的拐点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息（contours向量中所有的拐点信息得到了保留，但是拐点与拐点之间直线段的部分省略掉了）
cv2.CHAIN_APPROX_TC89_L1 或 cv2.CHAIN_APPROX_TC89_KCOS	应用Teh-Chin链近似算法

代码：

import cv2
import numpy as np

img = cv2.imread('img.jpg')
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
im2, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

关于hierarchy

hierarchy是个向量数组类型

以mode=CV_RETR_TREE，进行hierarchy的介绍。

CV_RETR_TREE方法为检测所有轮廓，并且建立所有的继承（包含）关系

对于每一个轮廓，hierarchy都包含4个整型数据，分别表示：后一个轮廓的序号、前一个轮廓的序号、子轮廓的序号、父轮廓的序号。

特别注意，上述的含义的不能弄反了！

例如下图（将树结构和轮廓级联系在一起），A和B为同级，可以认为B是A的后一个轮廓，A是B的前一个轮廓；C和D为A的子树，E和F为B的子树，可以认为C和D为A的子轮廓，A为C和D的父轮廓。

为了更加直观，可以利用实际的图像进一步说明轮廓层级的关系，例如以下的源图，一共有4个轮廓，序号分别为0 1 2 3

特别地，序号在程序中findcontours函数会自动标记，也是轮廓检索的序号，n个轮廓其检索序号从 0 到 n-1 。

0号轮廓没有同级轮廓，有两个子级轮廓1和3，没有父级轮廓，所以其轮廓继承关系向量hierarchy为[-1 -1 1 -1]，-1表示无对应的关系，1表示0号轮廓的一个子轮廓的序号为1号；

1号轮廓有同级轮廓3（认为是后一个轮廓，那么无前一个轮廓），也有子级轮廓2，也有父级轮廓0，所以其轮廓继承关系向量hierarchy为[3 -1 2 0]；

2号轮廓没有同级轮廓，也没有子级轮廓，但是有父级轮廓1，所以其轮廓继承关系向量hierarchy为[-1 -1 -1 1]；

如图所示：

绘制轮廓

cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]])

• image：原图像
• contours：作为Python列表传递的轮廓
• contourIdx：轮廓索引（在绘制单个轮廓时很有用。绘制所有轮廓，传递-1）

•要绘制图像中的所有轮廓：
cv.drawContours（img，contours，-1，（0,255,0），3）

•要绘制单个轮廓，比如第4个轮廓：
cv.drawContours（img，contours，3，（0,255,0），3）

•但大多数情况下，绘制第4个轮廓，以下方法将非常有用：
cnt = contours[4]
cv.drawContours（img，[cnt]，0，（0,255,0），3）

代码：

import cv2
import numpy as np

img = cv2.imread('img7.png')
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
im2, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnt = contours[0]
cv2.drawContours(img,[cnt],0,(0,255,0),3)

cv2.imshow('src',img)

cv2.waitKey()

二值化图像：

结果图像：

参考文章：
https://blog.csdn.net/dcrmg/article/details/51987348