若楠带你初识OpenCV（5） -- 轮廓检测

OpenCV

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习库，它主要用于实时图像处理和计算机视觉任务。

本篇介绍的是：轮廓检测和轮廓特征。

本篇所用图片数据：

链接:训练图片
https://pan.baidu.com/s/1-C6sxtw-S3vL1I5SwaStlQ?pwd=dzvx
提取码:dzvx

轮廓检测

轮廓检测是计算机视觉和图像处理中的一个重要任务，它涉及从图像中识别和提取出对象的边界。这些边界通常对应于图像中亮度或颜色发生显著变化的位置。轮廓检测对于形状分析、物体识别、图像分割等多种应用至关重要。

1. 读取图片（灰度图）

首先，使用opencv库方法读取需要处理的图片，读取时将其转化为灰度图。

import cv2
import numpy
phone = cv2.imread('phone.png')
phone_gray = cv2.cvtColor(phone,cv2.COLOR_BGR2GRAY)
cv2.imshow('phone_b',phone_gray)
cv2.waitKey(0)

2. 二值化阈值处理

先进行二值化阈值处理：灰度图像转换只有0和255，增强轮廓明显。

ret,phone_binary = cv2.threshold(phone_gray,120,255,cv2.THRESH_BINARY)
cv2.imshow('phone_binary',phone_binary)
cv2.waitKey(0)

3. 查找轮廓

注意：查找轮廓时，每个轮廓是分开的，查找时会返回每个轮廓的列表。

查找轮廓函数：img,contours,hierarchy = cv2.findContours(原图img,检索模式mode,轮廓近似方法method)
函数返回三个值：
# -->mode：cv2.RETR_TREE返回所有的轮廓，建立一个完整的组织结构的轮廓
# -->contours：包含图像中所有轮廓的list对象，其中每一个独立的轮廓信息以边界点为坐标，储存在numpy数组中
# -->hierarchy：轮廓的层次结构

image,contours,hierarchy = cv2.findContours(GGbond_binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
print(len(contours))	#查看一共找到了多少个轮廓
------------
9

4. 画轮廓

轮廓的绘制：cv2.drawContours(image,contours,contourIdx,color,thickness)
-- image：需要绘制的原始图像；
-- contours：轮廓的列表，通常是通过cv2.findContours()函数获得的；
-- contourIdx：指定了要绘制轮廓列表中的哪个轮廓。如果其值为负数（如-1），则绘制所有轮廓。如果你只想绘制特定索引的轮廓，可以传递				  该轮廓的索引（注意索引从0开始）；
-- color：绘制轮廓时所使用的颜色；
-- thickness：这是轮廓线的粗细。如果其值为负数，则轮廓内部将被填充。如果你想要一个带有特定粗细的轮廓线，就传递一个正整数。

这里，为了保护原始图像，我们通常复制一个相同的图像，用复制的图像绘画：

"""-----轮廓绘制-----"""
image_copy = phone.copy()
image_copy = cv2.drawContours(image=image_copy,contours=contours,contourIdx=-1,color=(0,255,0),thickness=3)
cv2.imshow('Contours_show',image_copy)
cv2.waitKey(0)

这样就画出了图片中的轮廓。

轮廓特征

获取轮廓后，通常基于轮廓的特征进行筛选、识别和处理。例如，基于轮廓的周长和面积对轮廓进行筛选，然后绘制筛选的目标轮廓或其最小外接矩形。

1. 轮廓面积

计算轮廓的面积cv2.contourArea(contours)
参数：传入要求的轮廓

上面提到了，查找轮廓时，每个轮廓是分开的，查找时会返回每个轮廓的列表。我们可以在列表中切片取到目标轮廓。例如，下面试例中求第0个和第1个轮廓的面积：

# cv2.contourArea()计算轮廓的面积
area_0 = cv2.contourArea(contours[0])
area_1 = cv2.contourArea(contours[1])
print(area_0,area_1)
-----------------------
50716.5 255.5

2. 轮廓周长

计算一个轮廓的周长或弧长cv2.arcLength(contours)
参数：传入要求的轮廓

length = cv2.arcLength(contours[0],closed=True)
print(length)
-------------
952.437722325325

3. 外接圆

计算轮廓外接圆:(x,y),r = cv2.minEnclosingCircle(contours)
-- 参数：传入轮廓，返回该轮廓外接圆的圆心(x,y)，以及半径r

绘制外接圆函数：cv2.circle(img,(x,y),r,color,thickness)
-- 参数：img：需要绘制的图片
        (x,y)：圆心
        r：半径
        color：线条颜色
        thickness：线条粗细

cnt = contours[6]
(x,y),r = cv2.minEnclosingCircle(cnt)
phone_circel = cv2.circle(phone,(int(x),int(y)),int(r),(0,255,0),2)
cv2.imshow('phone_circle',phone_circel)
cv2.waitKey(0)

4. 外接矩形

计算轮廓的最小外接矩形:x,y,w,h = cv2.boundingRect()
-- 参数：传入轮廓，返回w,h为长宽，x,y为矩形左上角的坐标点

绘制外接矩形：cv2.rectangle(img, pt1, pt2, color, thickness)
-- 参数：img：需要绘制的图片
pt1：矩形左上角的坐标(x,y)
pt2：矩形长宽范围(x+w,y+h)
color：线条颜色
thickness：线条粗细

x,y,w,h = cv2.boundingRect(cnt)
phone_rectangle = cv2.rectangle(phone,(x,y),(x+w,y+h),(0,255,0),2)
cv2.imshow('phone_rectangle',phone_rectangle)
cv2.waitKey(0)

总结

本篇介绍了：

1. 轮廓检测：其中注意的是，每个轮廓都以列表的形式返回。可以切片获取每个轮廓。
2. 轮廓特征：轮廓面积、轮廓周长、外接圆以及外界矩形。