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。