基于人工智能实验平台opencv图片操作之轮廓检测

1 实验目的

学习找轮廓，绘制轮廓等.

2 实验设备

安装了python和pychrm的电脑一台。

3 实验内容

包含图片的导入、轮廓检测、绘制轮廓、显示图片。

4实验原理

计算机视觉中，轮廓检测是另一个比较重要的任务，不单是用来检测图像或者视频帧中物体的轮廓，而且还有其他操作与轮廓检测有关。这些操作有：计算多边形边界、形状逼近和计算感兴趣区域。

函数：

cv2.fifindContours() 寻找轮廓

cv2.drawContours() 绘制轮廓

什么是轮廓

轮廓可以简单认为成将连续的点（连着边界）连在一起的曲线，具有相同的颜色或者灰度。轮廓在形状分析和物体的检测和识别中很有用。

轮廓检测要义：

• 为了更加准确，要使用二值化图像。在寻找轮廓之前，要进行阈值化处理或者 Canny 边界检测。

• 查找轮廓的函数会修改原始图像。如果你在找到轮廓之后还想使用原始图像的话，你应该将原始图像存储到其他变量中。

• 在 OpenCV 中，查找轮廓就像在黑色背景中超白色物体。你应该记住，要找的物体应该是白色而背景应该是黑色。

让我们看看如何在一个二值图像中查找轮廓：

函数 cv2.fifindContours()有三个参数，第一个是输入图像，第二个是轮廓检索模式，第三个是轮廓近似方法。返回值有三个，第一个是图像，第二个是轮廓，第三个是(轮廓的)层析结构。轮廓(第二个返回值)是一个 Python列表，其中存储这图像中的所有轮廓。每一个轮廓都是一个 Numpy 数组，包含对象边界点(x，y)的坐标。

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结果。

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

参数：

image：源图像，8位单通道图像，非0像素值均按像素值为1处（非0的像素被看成1,0的像素值保持不变），单通道图像矩阵，可以是灰度图，但更常用的是二值图像，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；该函数在提取轮廓的过程中会改变图像。

contours：轮廓信息，每个轮廓由点集组成，而所有的轮廓构成了contours列表 。

hierarchy：可选参数，表示轮廓的层次信息(拓扑信息，有种树结构的感觉)，每个轮廓元素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、父轮廓和内嵌轮廓的编号，若无对应项，则该参数为负值 。

mode：轮廓检索模式，有以下模式。

cv2.RETR_EXTERNAL：只检测最外层轮廓，并置hierarchy[i][2]=hierarchy[i][3]=-1

cv2.RETR_LIST：提取所有轮廓并记录在列表中，轮廓之间无等级关系 。

cv2.RETR_CCOMP：提取所有轮廓并建立双层结构（顶层为连通域的外围轮廓，底层为孔的内层边界） 。

cv2.RETR_TREE：提取所有轮廓，并重新建立轮廓层次结构

method：轮廓逼近方法，有以下逼近方法。

cv2.CHAIN_APPROX_NONE：获取每个轮廓的每个元素，相邻像素的位置差不超过1，即连续的点，但通常我们并不需要所有的点 。

cv2.CHAIN_APPROX_SIMPLE：压缩水平方向、垂直方向和对角线方向的元素，保留该方向的终点坐标，如矩形的轮廓可用4个角点表示，这是一种常用的方法，比第一种方法能得出更少的点 。

cv2.CHAIN_APPROX_TC89_L1和cv2.CHAIN_APPROX_TC89_KCOS：对应Tch-Chain链逼近算法。

为了在图像中显示出计算出的轮廓，我们使用drawContours函数绘制出轮廓。通常这个函数会配合findContours使用。

怎样绘制轮廓

函数 cv2.drawContours() 可以被用来绘制轮廓。它可以根据你提供的边界点绘制任何形状。它的第一个参数是原始图像，第二个参数是轮廓，一个 Python 列表。第三个参数是轮廓的索引(在绘制独立轮廓是很有用，当设置为 -1 时绘制所有轮廓)。接下来的参数是轮廓的颜色和厚度等。

绘制轮廓函数：

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

参数：

image：目标图像。

contours：所有的轮廓，可直接传入findContours函数中的contours参数 。

contourIdx：轮廓的索引，即绘制哪个轮廓，若为负值则绘制所有轮廓 。

color：绘制的颜色，元祖形式，如（255）或（255, 255, 255） 。

thickness：绘制的轮廓的线条粗细程度，若为负数，表示要填充整个轮廓。

注意：findContours()运行的时候，这个图像会被直接涂改，因此如果是将来还有用的图像，应该复制之后再传给findContours()。

5实验步骤

打开pycharm.

我们右击相应的文件目录，选择new--->点击Python File，然后输入新建的文件名，点击确定，相应的.py文件就建好了，可以进行编写代码了。

ipoert cv2

读取图片并转换为灰度图像。

img = cv2.imread("..\images\statue.jpg", 0)

调用threshold函数进行二值(将图像转化为0或255的像素，也就是黑白图像)。提取轮廓一般是用二值图像。

ret,frame=cv2.threshold(imgray,127,255,cv2.THRESH_BINARY)##二值化

调用findContours函数提取边界轮廓框。参数：输入图像，层次类型，轮廓逼近方法

这里我们采用cv2.RETR_TREE检索轮廓和cv2.CHAIN_APPROX_SIMPLE。

image, contours, hierarchy = cv2.findContours(frame, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

绘制所有轮廓，并用绿色绘制，线条粗细为1。 draw=cv2.drawContours(img,contours,-1,(0,255,0),1)显示绘制轮廓的图像。

cv2.imshow("img", img)

cv2.imshow("median",median)

cv2.waitKey()

原图和效果图：

原图和效果图