计算机视觉及图像预处理（二） 02-图像轮廓

pythonSuperman

已于 2022-11-03 22:36:44 修改

阅读量725

点赞数

分类专栏：深度学习文章标签：计算机视觉图像处理 opencv

于 2022-11-03 22:01:02 首次发布

本文链接：https://blog.csdn.net/llf000000/article/details/127678500

版权

深度学习专栏收录该内容

57 篇文章 3 订阅

订阅专栏

图像链接

跟着峰哥学计算机视觉所有需要用到的图片-深度学习文档类资源-CSDN下载

概念

什么是图像轮廓

查找和绘制轮廓

轮廓拟合

矩形包围框

最小包围图形

最优拟合椭圆

逼近多边形

轮廓处理

边缘检测虽然能够检测出边缘，但边缘是不连续的，检测到的边缘并不是一个整体。图像轮廓是指将边缘连接起来形成的一个整体，用于后续的计算。

OpenCV提供了查找图像轮廓的函数cv2.findContours（），该函数能够查找图像内的轮廓信息，而函数cv2.drawContours（）能够将轮廓绘制出来。图像轮廓是图像中非常重要的一个特征信息，通过对图像轮廓的操作，我们能够获取目标图像的大小、位置、方向等信息。一个轮廓对应着一系列的点，这些点以某种方式表示图像中的一条曲线。

1）查找并绘制轮廓

查找轮廓函数：cv2.findContours

语法格式：image,contours,hierarchy=cv2.findContours（image,mode,method）
返回值
- image：与函数参数中的原始图像image一致
- contours：返回的轮廓。该返回值返回的是一组轮廓信息，每个轮廓都是由若干个点所构成的（每个轮廓为一个list表示）。例如，contours[i]是第i个轮廓（下标从0开始）,contours[i][j]是第i个轮廓内的第j个点
- hierarchy：图像的拓扑信息（反映轮廓层次）。图像内的轮廓可能位于不同的位置。比如，一个轮廓在另一个轮廓的内部。在这种情况下，我们将外部的轮廓称为父轮廓，内部的轮廓称为子轮廓。按照上述关系分类，一幅图像中所有轮廓之间就建立了父子关系。每个轮廓contours[i]对应4个元素来说明当前轮廓的层次关系。其形式为：[Next,Previous,First_Child,Parent]，分别表示后一个轮廓的索引编号、前一个轮廓的索引编号、第1个子轮廓的索引编号、父轮廓的索引编号

参数

image：原始图像。灰度图像会被自动处理为二值图像。在实际操作时，可以根据需要，预先使用阈值处理等函数将待查找轮廓的图像处理为二值图像。
mode：轮廓检索模式，有以下取值和含义：

取值	含义
cv2.RETR_EXTERNAL	只检测外轮廓
cv2.RETR_LIST	对检测到的轮廓不建立等级关系
cv2.RETR_CCOMP	检索所有轮廓并将它们组织成两级层次结构，上面的一层为外边界，下面的一层为内孔的边界
cv2.RETR_TREE	建立一个等级树结构的轮廓

method：轮廓的近似方法，主要有如下取值：

取值	含义
cv2.CHAIN_APPROX_NONE	存储所有的轮廓点，相邻两个点的像素位置差不超过1，即max（abs（x1-x2）,abs（y2-y1））=1
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
cv2.CHAIN_APPROX_TC89_L1	使用teh-Chinl chain近似算法的一种风格
cv2.CHAIN_APPROX_TC89_KCOS	使用teh-Chinl chain近似算法的一种风格

注意事项
- 待处理的源图像必须是灰度二值图
- 都是从黑色背景中查找白色对象。因此，对象必须是白色的，背景必须是黑色的
- 在OpenCV 4.x中，函数cv2.findContours（）仅有两个返回值

绘制轮廓：drawContours函数
- 语法格式：image=cv2.drawContours(image, contours,contourIdx, color)
- 参数
  - image：待绘制轮廓的图像
  - contours：需要绘制的轮廓，该参数的类型与函数 cv2.findContours（）的输出 contours 相同，都是list类型
  - contourIdx：需要绘制的边缘索引，告诉函数cv2.drawContours（）要绘制某一条轮廓还是全部轮廓。如果该参数是一个整数或者为零，则表示绘制对应索引号的轮廓；如果该值为负数（通常为“-1”），则表示绘制全部轮廓。
  - color：绘制的颜色，用BGR格式表示

代码

查看原图像

import cv2
import numpy as np

im = cv2.imread("../data/3.png")
cv2.imshow("im",im)

cv2.waitKey()
cv2.destroyAllWindows()

把执行二值化处理后的图形显现出来

import cv2
import numpy as np

im = cv2.imread("../data/3.png")
cv2.imshow("im", im)
# 灰度化
im_gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
# 二值化
ret, im_binary = cv2.threshold(im_gray,
                               127,  # 阈值设为127
                               255,  # 大于127的设置为255
                               cv2.THRESH_BINARY)
cv2.imshow("im_binary", im_binary)
cv2.waitKey()
cv2.destroyAllWindows()

cnt的类型

import cv2
import numpy as np

im = cv2.imread("../data/3.png")
# cv2.imshow("im", im)
# 灰度化
im_gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
# 二值化
ret, im_binary = cv2.threshold(im_gray,
                               127,  # 阈值设为127
                               255,  # 大于127的设置为255
                               cv2.THRESH_BINARY)
# cv2.imshow("im_binary", im_binary)

#查找轮廓
img,cnts,hie = cv2.findContours(im_binary,#原图，经过二值化处理的
                                cv2.RETR_EXTERNAL,#只检测外轮廓
                                cv2.CHAIN_APPROX_NONE)#存储所有轮廓点
print(type(cnts))#list

cv2.waitKey()
cv2.destroyAllWindows()

打印每一个元素的类型

for cnt in cnts:
    print(type(cnt))

检测每个元素的形状

for cnt in cnts:
    print(cnt.shape)

第一个轮廓，是由257个点构成的，里面包含子数组，这个子数组是由两个点构成的，一行两列

绘制轮廓

import cv2
import numpy as np

im = cv2.imread("../data/3.png")
# cv2.imshow("im", im)
# 灰度化
im_gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
# 二值化
ret, im_binary = cv2.threshold(im_gray,
                               127,  # 阈值设为127
                               255,  # 大于127的设置为255
                               cv2.THRESH_BINARY)
# cv2.imshow("im_binary", im_binary)

# 查找轮廓
img, cnts, hie = cv2.findContours(im_binary,  # 原图，经过二值化处理的
                                  cv2.RETR_EXTERNAL,  # 只检测外轮廓
                                  cv2.CHAIN_APPROX_NONE)  # 存储所有轮廓点
# for cnt in cnts:
#     print(cnt.shape)
# 绘制轮廓
im_cnt = cv2.drawContours(im,  # 原始图像
                          cnts,  # 轮廓数据，findContours的返回值
                          -1,  # 绘制所有轮廓
                          (0, 0, 255),  # 绘制成红色
                          2)  # 轮廓的粗细

cv2.imshow("im_cnt",im_cnt)
cv2.waitKey()
cv2.destroyAllWindows()

绘制索引值为1的轮廓

# 绘制轮廓
im_cnt = cv2.drawContours(im,  # 原始图像
                          cnts,  # 轮廓数据，findContours的返回值
                          1,  # 绘制所有轮廓
                          (0, 0, 255),  # 绘制成红色
                          2)  # 轮廓的粗细

绘制轮廓外界矩形框

import cv2
import numpy as np

im = cv2.imread("../data/cloud.png", 0)
cv2.imshow("orig", im)

# 二值化处理
ret, binary = cv2.threshold(im, 127, 255, cv2.THRESH_BINARY)
# 提取图像轮廓
img, contours, hierarchy = cv2.findContours(binary,
                                            cv2.RETR_LIST,  # 不建立等级关系
                                            cv2.CHAIN_APPROX_NONE)  # 存储所有的轮廓点
print("contours[0].shape:", contours[0].shape)

# 返回轮廓定点及边长
x, y, w, h = cv2.boundingRect(contours[0])  # 计算矩形包围框的x,y,w,h
print("x:", x, "y:", y, "w:", w, "h:", h)

# 绘制矩形包围框
brcnt = np.array([[[x, y]], [[x + w, y]], [[x + w, y + h]], [[x, y + h]]])
cv2.drawContours(im,  # 绘制图像
                 [brcnt],  # 轮廓点列表
                 -1,  # 绘制全部轮廓
                 (255, 255, 255),  # 轮廓颜色：白色
                 2)  # 轮廓粗细

cv2.imshow("result", im)  # 显示绘制后的图像

cv2.waitKey()
cv2.destroyAllWindows()