OpenCV图形检测中绘制图像的轮廓讲解与实战应用（附Python源码）

需要源码和图片请点赞关注收藏后评论区留言私信~~~

图形检测是计算机视觉的一项重要功能。通过图形检测可以分析图像中可能存在的形状，然后对这些形状进行描绘，如搜索并绘制图像的边缘，定位图像的位置，判断图像中有没有直线、圆形等。虽然图形检测涉及非常深奥的数学算法，但OpenCV已经将这些算法封装成简单的方法，开发者只要学会如何调用方法、调整参数即可很好地实现检测功能

图像的轮廓

轮廓是指图像中图形或物体的外边缘线条，简单的几何图形是由平滑的线构成的，容易识别，但不规则图形的轮廓可能由许多个点构成，识别起来比较困难

Opencv提供了findContours方法可以通过计算图像梯度来判断图像的边缘，然后将边缘的点封装成数组返回 语法格式如下

contours,hierarchy=cv2.findContours(image,mode,methode)

image 被检测的图像

mode  轮廓的检索模式 参数如下图

methode 检测轮廓时使用的方法具体值如下图

contours 检测出的所有轮廓

hierarchy 轮廓之间的层次关系

轮廓的检索模式参数值

 检测轮廓时使用的方法

 通过findContours方法找到图像轮廓后，为了方便开发人员观测，最后能把轮廓画出来，于是opencv提供了drawContours方法用来绘制轮廓 语法格式如下

image=cv2.drawContours(image,contours,contourldx,color,thickness,lineType,hierarchy,maxLevel,offse)

)

下面通过实例讲解绘制几何图像的轮廓

原图如下

 

画出轮廓图如下

 

 还可以画不同索引的轮廓，从左到右分别是0 1 2 3

部分代码如下

import cv2
img = cv2.imread("shape1.png")  # 读取原图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 彩色图像转为变成单通道灰度图像
t, binary = .threshold(gray, 127, 255, cv2.THRESH_BINARY)  # 灰度图像转为二值图像
# 检测图像中出现的所有轮廓，记录轮廓的每一个点
contours, hirchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)
# 绘制所有轮廓，宽度为5，颜色为红色
cv2.drawCoursg, contours, -1, (0, 0, 255), 5)
cv2.imshow("img", img)  # 显示绘制结果
cv2.waitKey()  # 按下任何键盘按键后
cv2.destroyAllWindows()  # 释放所有窗体

实战2：绘制花朵的轮廓

为花朵绘制轮廓，首先要降低图像中的噪声干扰，进行滤波处理，然后将图像处理成二值灰度图像，并检测出轮廓，最后利用绘制轮廓的方法在原始图像中绘制轮廓 效果如下

部分代码如下 

import cv2
img = cv2.imread("flower.png")  # 读取原图
cv2.imshow("ig", img)  # 显示原图
img = cv2.(img, 5)  # 使用中值滤波去除噪点
gray = cv2vtColor(img, cv2.COLOR_BGR2GRAY)  # 原图从彩图变成单通道灰度图像
t, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)  # 灰度图像转化为二值图像
cv2.imshow("binary", binary)  # 显示二值化图像
# 获取二值化图像中的轮廓极轮廓层次数据
contours, hiechy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)
cv2.drawConto contours, -1, (0, 0, 255), 2)  # 在原图中绘制轮廓
cv2.imshow("contours", img)  # 显示绘有轮廓的图像
cv2.waitKey()  # 按下任何键盘按键后
cv2.destroyAindows()  # 释放所有窗

创作不易 觉得有帮助请点赞关注收藏~~~