opencv求解图像轮廓记录

寻找轮廓

针对二值化图像，轮廓是针对白色物体的，所以先反色，不然会有图像大框。
函数：cv2.findContours()

import cv2
img = cv2.imread('1.jpg')
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(img_gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)
image, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
print(len(contours)) 

返回值hierarchy：表示每条轮廓对应的属性
类型是(i,4)的二维ndarray。i和contours里的i是一样的意思。如果输入选择cv2.RETR_TREE，则以树形结构组织输出，hierarchy的四列分别对应下一个轮廓编号、上一个轮廓编号、父轮廓编号、子轮廓编号，该值为负数表示没有对应项。

参数选择1：轮廓的模式
cv2.RETR_EXTERNAL：输出轮廓中只有外侧轮廓信息；
cv2.RETR_LIST：以列表形式输出轮廓信息，各轮廓之间无等级关系；
cv2.RETR_CCOMP：输出两层轮廓信息，即内外两个边界；
cv2.RETR_TREE：以树形结构输出轮廓信息。

参数选择2：轮廓的近似方法
cv2.CHAIN_APPROX_NONE：存储轮廓所有点的信息，相邻两个轮廓点在图像上也是相邻的；
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。

绘画轮廓

函数：cv2.drawContours()

cv2.drawContours(img, contours, -1, (0,0,255),2)
#绘制某条轮廓
cnt = contours[1]
cv2.drawContours(img, [cnt], 0, (0, 0, 255), 2)

-1表示绘制所有轮廓；2表示线宽，-1则为填充模式。

计算轮廓的特征

面积:

area = cv2.contourArea(cnt)

周长：

#True表示轮廓是封闭的
perimeter = cv2.arcLength(cnt, True)

外接矩形：

x, y, w, h = cv2.boundingRect(cnt)

最小外接矩形：

# 获取最小外接矩阵，中心点坐标，宽高，旋转角度
rect = cv2.minAreaRect(cnt)
# 获取矩形四个顶点，浮点型
box = cv2.boxPoints(rect)
# 取整
box = np.int0(box)
#画图
cv2.drawContours(img, [box], 0, (255, 0, 0), 1)

图像矩：

M = cv2.moments(cnt)
# 对象的质心
cx = int(M['m10'] / M['m00'])
cy = int(M['m01'] / M['m00'])

M[‘m00’]表示轮廓面积

轮廓近似：
函数：cv2.approxPolyDP()

# 进行多边形逼近，得到多边形的角点
approx = cv2.approxPolyDP(cnt, 3, True)
# 画出多边形
img= cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
cv2.polylines(img, [approx], True, (0, 255, 0), 2)

参数2是一个距离值，表示多边形轮廓接近实际轮廓的程度，值越小，越精确；
参数3表示是否闭合。

凸包：

hull = cv2.convexHull(cnt)
cv2.polylines(img, [hull], True, (0, 255, 0), 2)

点到轮廓的距离

函数：cv2.pointPolygonTest()

dist = cv2.pointPolygonTest(cnt, (point_x, point_y), True)

参数3为True时表示计算距离值：点在轮廓外面值为负，点在轮廓上值为0，点在轮廓里面值为正；参数3为False时，只返回-1/0/1表示点相对轮廓的位置，不计算距离。