【OpenCv 4 Python 3.7】轮廓发现

轮廓发现—是基于图像边缘提取的基础寻找对象轮廓的方法，所以边缘提取的阈值选定会影响最终轮廓发现的结果。

介绍两种API使用：

-cv.findContours 发现轮廓

-cv.drawContours 绘制轮廓

一.Opencv发现轮廓的函数为：

findContours(image, mode, method[, contours[, hierarchy[, offset]]]) -> image, contours, hierarchy
各参数含义：
1、image参数表示8位单通道图像矩阵，可以是灰度gray=cv.cvtColor(image,cv.COLOR_BGR2GRAY)，
但更常用的是二值图像ret,binary = cv.threshold(gray,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU)，一般是经过Canny、拉普拉斯等边缘检测算子处理过的二值图像。
2、mode参数表示轮廓检索模式：
①CV_RETR_EXTERNAL：只检测最外围轮廓，包含在外围轮廓内的内围轮廓被忽略。
②CV_RETR_LIST：检测所有的轮廓，包括内围、外围轮廓，但是检测到的轮廓不建立等级关系，彼此之间独立，没有等级关系，这就意味着这个检索模式下不存在父轮廓或内嵌轮廓。
③CV_RETR_CCOMP：检测所有的轮廓，但所有轮廓只建立两个等级关系，外围为顶层，若外围内的内围轮廓还包含了其他的轮廓信息，则内围内的所有轮廓均归属于顶层。
④CV_RETR_TREE：检测所有轮廓，所有轮廓建立一个等级树结构，外层轮廓包含内层轮廓，内层轮廓还可以继续包含内嵌轮廓。
3、method参数表示轮廓的近似方法：
①CV_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。
②CV_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。
③CV_CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法。

4、contours参数是一个list，表示存储的每个轮廓的点集合。
5、hierarchy参数是一个list,list中元素个数和轮廓个数相同，每个轮廓contours[i]对应4个hierarchy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。
6、offset参数表示每个轮廓点移动的可选偏移量。

二.Opencv绘制轮廓的函数为：

drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]]) -> image
各参数含义：
1、imgae参数表示目标图像。
2、contours参数表示所有输入轮廓。
3、contourIdx参数表示绘制轮廓list中的哪条轮廓， 如果是负数，则绘制所有轮廓。
4、color参数表示轮廓的颜色。
5、thickness参数表示绘制的轮廓线条粗细，如果是负数，则填充轮廓内部。
6、lineType参数表示线型。
7、hierarchy参数表示有关层次结构的可选信息。
8、maxLevel参数表示绘制轮廓的最大级别。 如果为0,则仅绘制指定的轮廓。 如果为 1，则该函数绘制轮廓和所有嵌套轮廓。如果为2，则该函数绘制轮廓，所有嵌套轮廓，所有嵌套到嵌套的轮廓，等等。 仅当有可用的层次结构时才考虑此参数。
9、offset参数表示可选的轮廓偏移参数，该参数可按指定的方式移动所有绘制的轮廓。

代码实现：

#二值化和边缘提取要根据实际要操作的图像来选取，多尝试，

#还有函数里面的参数也要调整适应

import cv2 as cv
import numpy as np

#边缘提取
def edge_demo(image):
    blurred = cv.GaussianBlur(image, (3, 3), 0)
    gray = cv.cvtColor(blurred, cv.COLOR_BGR2GRAY)
    # X Gradient
    xgrad = cv.Sobel(gray, cv.CV_16SC1, 1, 0)
    # Y Gradient
    ygrad = cv.Sobel(gray, cv.CV_16SC1, 0, 1)
    #edge
    #edge_output = cv.Canny(xgrad, ygrad, 50, 150)
    edge_output = cv.Canny(gray, 30, 100)
    cv.imshow("Canny Edge", edge_output)
    return edge_output


def contours_demo(image):
    """dst = cv.GaussianBlur(image, (3, 3), 0)
    gray = cv.cvtColor(dst, cv.COLOR_BGR2GRAY)
    #二值化
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
    cv.imshow("binary image", binary)"""
    binary = edge_demo(image)
    #contours：轮廓  heriachy:层次信息
    contours, heriachy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
    for i, contour in enumerate(contours):
        #cv.drawContours(image, contours, i, (0, 0, 255), -1) #将轮廓里面填充
        cv.drawContours(image, contours, i, (0, 0, 255), 2)
        approxCurve = cv.approxPolyDP(contour, 4, True)
        if approxCurve.shape[0] > 6:
            cv.drawContours(image, contours, i, (0, 255, 255), 2)
        if approxCurve.shape[0] == 4:
            cv.drawContours(image, contours, i, (255, 255, 0), 2)
        print(approxCurve.shape[0])
        print(i)
    cv.imshow("detect contours", image)


print("--------- Python OpenCV Tutorial ---------")
src = cv.imread("D:/vcprojects/images/blob.png")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
contours_demo(src)
cv.waitKey(0)

cv.destroyAllWindows()

结果：