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
- 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
- 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
- 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