Python-OpenCV 笔记6 -- 轮廓（Contours）

Python-OpenCV 笔记6 – 轮廓（Contours）

---

参考文档： https://docs.opencv.org/3.4/dd/d49/tutorial_py_contour_features.html

---

1、查找轮廓 findContours

---

函数原型

image, contours, hierarchy = cv2.findContours(image, mode, method[, contours[, hierarchy[, offset]]])

参数：

• image：8位单通道二值图，如果为灰度图非0值为1
• mode：轮廓的检索模式
  • cv2.RETR_EXTERNAL：表示只检测外轮廓
  • cv2.RETR_LIST：检测的轮廓不建立等级关系
  • 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
• method：轮廓的近似办法
  • 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，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息
  • cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法

返回值：

• image：被处理的图片，正常没用
• contours：numpy的ndarray，每个元素都是图像中的一个轮廓，每个元素包括多个点
• hierarchy：numpy的ndarray，元素个数和轮廓个数相同，轮廓 contours[i] 对应于hierarchy[i]，每个 hierarchy 元素包括四个元素 hierarchy[i][0] ~ hierarchy[i][3]，分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号，如果没有对应项，则该值为负数。

# 实例
img = cv2.imread('1.jpg')  
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)  
  _, contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

---

2、绘制轮廓 findContours

---

函数原型

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

参数：

• image：输入图像
• contours：轮廓，一个轮廓2个点的维数为（1,1,2,1,2）
• contourIdx：绘制contours中的哪条轮廓，如果是-1，则绘制其中的所有轮廓
• color：绘制的轮廓的颜色
• thickness：轮廓线的宽度，如果是 -1（cv2.FILLED），则为填充模式

# 实例
cv2.drawContours(img,contours,-1,(0,0,255),3)  
cv2.imshow("img", img)  
cv2.waitKey(0) 

---

3、轮廓的特征 Contour Features

---

3.1、矩：cv2.moments()

函数原型：

cv2.moments(array[, binaryImage])

• array：单个轮廓，1xNx1x2维的数组，即N个二维点
• binaryImage：如果为True，非0的像素值=1，默认为False
• 返回轮廓区域的矩的字典

实例：

import numpy as np
import cv2

img = cv2.imread('star.jpg',0)
ret, thresh = cv2.threshold(img,127,255,0)
im2,contours,hierarchy = cv2.findContours(thresh, 1, 2)
cnt = contours[0]
M = cv2.moments(cnt)

# 计算x,y轴的矩
cx = int(M['m10']/M['m00'])
cy = int(M['m01']/M['m00'])

3.2、面积：cv2.contourArea()

函数原型：

cv2.contourArea(contour[, oriented])

• contour：单个轮廓，1xNx1x2维的数组，即N个二维点
• oriented：如果为True，可以获得轮廓的方向标志，默认为False
• 返回轮廓区域的面积

实例：

area = cv2.contourArea(cnt)

3.3、周长：cv2.arcLength()

函数原型：

cv2.arcLength(curve, closed)

• curve：单个轮廓，1xNx1x2维的数组，即N个二维点
• closed：指示曲线是否闭合的标志
• 返回轮廓区域的周长

实例：

perimeter = cv2.arcLength(cnt, True)

3.4、凸性检测：cv2.isContourConvex()

函数原型：

cv2.isContourConvex(contour)

• contour：单个轮廓，1xNx1x2维的数组，即N个二维点
• 返回轮廓是否为凸性的，是为True，否为False

实例：

k = cv2.isContourConvex(cnt)

---

4、轮廓近似 Contour Approximation

---

4.1、多边形近似：cv2.approxPolyDP()

函数原型：

cv2.approxPolyDP(curve, epsilon, closed[, approxCurve])

• curve：单个轮廓，1xNx1x2维的数组，即N个二维点
• epsilon：点的最大距离
• closed：设置曲线是否闭合，即得到首尾两点是否为同一点
• 返回近似轮廓的二维点集

实例：

epsilon = 0.1*cv2.arcLength(cnt, True)
approx = cv2.approxPolyDP(cnt, epsilon, True)

4.2、凸包近似：cv2.convexHull()

函数原型：

cv2.convexHull(points[, hull[, clockwise[, returnPoints]]])

• points：单个轮廓，1xNx1x2维的数组，即N个二维点
• hull：输出数组，正常不用
• clockwise：如果True，输出的凸包是顺时针方向，否则为默认的逆时针。
• returnPoints：默认值为True，返回凸包上点的坐标，如果为False，返回与凸包点对应的轮廓上的点。
• 返回近似轮廓的二维点集

实例：

hull = cv2.convexHull(cnt)

4.3、矩形近似：Bounding Rectangle

函数原型：

# 普通矩形
cv2.boundingRect(points)  # 1

# 可旋转矩形，即最小的外包矩形
cv2.minAreaRect(points)  # 2

# 矩形表达形式的装换
cv2.boxPoints(box)  # 3

• points：单个轮廓，1xNx1x2维的数组，即N个二维点
• box：四个二维点的数组
• 返回：
  • 1：近似矩形的左上角点坐标、矩形的宽和高（x,y,w,h）
  • 2：近似矩形的最上角点坐标（x,y），矩形的宽和高（w,h）及旋转角度θ（°）
  • 3：转换为矩形的四个角点坐标

实例：

# 普通矩形
x,y,w,h = cv2.boundingRect(cnt)
cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)

# 可旋转矩形，即最小的外包矩形
rect = cv2.minAreaRect(cnt)
box = cv2.boxPoints(rect)
box = np.int0(box)
cv2.drawContours(img,[box],0,(0,0,255),2)

4.4、其它近似

# 最小外接圆
(x,y),radius = cv2.minEnclosingCircle(cnt)
center = (int(x),int(y))
radius = int(radius)
cv2.circle(img,center,radius,(0,255,0),2)

# 最小外接椭圆
ellipse = cv2.fitEllipse(cnt)
cv2.ellipse(img,ellipse,(0,255,0),2)

# 拟合直线
rows,cols = img.shape[:2]
[vx,vy,x,y] = cv2.fitLine(cnt, cv.DIST_L2,0,0.01,0.01)
lefty = int((-x*vy/vx) + y)
righty = int(((cols-x)*vy/vx)+y)
cv2.line(img,(cols-1,righty),(0,lefty),(0,255,0),2)

---