图像轮廓提取

1、轮廓提取

轮廓提取是提取出图像的外部轮廓特征，轮廓可能是边缘的一部分。

2、轮廓提取方法及Python实现

2.1 掏空内部点法

掏空内部点法的原理非常简单：如果原图中有一点为黑，且它的8个相邻点皆为黑色，则将该点删除，否则认为该点在图像的边缘，需要保留。依次处理图像中每一个像素，则最后留下来的就是图像的轮廓。对于非二值图像，需要先进行二值化处理。
代码如下：

def Get_contour(bin_img):
    contour_img = np.zeros(shape=(bin_img.shape),dtype=np.uint8)
    contour_img += 255
    h = bin_img.shape[0]
    w = bin_img.shape[1]
    for i in range(1,h-1):
        for j in range(1,w-1):
            if(bin_img[i][j]==0):
                contour_img[i][j] = 0
                sum = 0
                sum += bin_img[i - 1][j + 1]
                sum += bin_img[i][j + 1]
                sum += bin_img[i + 1][j + 1]
                sum += bin_img[i - 1][j]
                sum += bin_img[i + 1][j]
                sum += bin_img[i - 1][j - 1]
                sum += bin_img[i][j - 1]
                sum += bin_img[i + 1][j - 1]
                if sum ==  0:
                    contour_img[i][j] = 255

    return contour_img

效果如下（左侧是Otsu二值化图像；右侧是轮廓图像）：

2.2 opencv-python中轮廓提取方法的应用

（1）opencv-python中使用cv2.findContours函数来检测图像的边缘，其函数原型如下：

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

参数说明如下：
image：输入图像；
mode：轮廓检索模式；
method：轮廓逼近方法；
contours：返回的轮廓；
hierachy：每条轮廓对应的属性；
offset：每个轮廓点移动的可选偏移量。
备注：image参数需要是二值图，而不是灰度图，返回结果是等高线和层次结构。

轮廓检索模式：
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。

轮廓逼近方法：
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))==1，一般不会用到；
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，cv2.CV_CHAIN_APPROX_TC89_KCOS：使用teh-Chinl chain近似算法。

（2）轮廓发现之后，还要通过cv2.drawContours函数绘制轮廓，其函数原型如下：

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

参数说明如下：
image：输入图像；
contours：轮廓，在Python中是一个list，就是cv2.findContours函数找出来的点集，一个列表；
contourIdx：轮廓的索引，指定绘制轮廓list中的哪条轮廓，要绘制所有轮廓，传递-1；
color：颜色；
thickness：厚度，如果是-1，表示填充；
lineType：线型；
hierarchy：层次结构的可选信息；
maxLevel：绘制轮廓的最大级别，0：仅绘制指定的轮廓，1：绘制轮廓和所有嵌套轮廓，2：绘制轮廓，所有嵌套轮廓，所有嵌套到嵌套的轮廓；
offset：轮廓偏移参数。

根据上面两个函数，测试代码如下：

# 第一步：读入图像
img = cv2.imread('lenna.jpg')

# 第二步：对图像做灰度处理
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 第三步：对图像做二值化处理
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 第四步：获得图像的轮廓值
contours, heriachy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

# 第五步：绘制图像轮廓
img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
res = cv2.drawContours(img, contours, -1, (0, 0, 255), 1)

plt.imshow(res, cmap='gray')
plt.title('contour')
plt.axis('off')
plt.show()

效果如下：

3. 源码仓库地址

🌼图像处理、机器学习的常用算法汇总