图像轮廓
cv2.findContours(img,mode,method)
mode:轮廓检索模式
- RETR_EXTERNAL:只检索最外面的轮廓
- RETR_LIST:检索所有的轮廓,并将其保存到一条链表中
- RETR_COOMP:检索所有的轮廓,并将他们组织为两层,顶层是各部分的最外边界,第二层是空洞的边界
- RETR_TREE:检索所有的轮廓,并重构有嵌套轮廓的整个层次
method:轮廓逼近方法
- CHAIN_APPROX_NONE:以Freeman链码的方式输出轮廓,所有其他方法输出多边形(顶点的序列)
- CHAIN_APPROX_SIMPLE:压缩水平的,垂直和斜的部分,也就是函数只保留他们的终点部分
为了更高的准确率,使用二值图像
#转换为二值图像
dray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
binary,contours,hierarch = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
binary:原始二值图像
contours:轮廓点的列表
轮廓检测结果
draw_img = img.copy()
因为绘制轮廓会对img原图发生改变,所有需要将img复制一份以免原图被改变
res = cv2.drawContours(draw_img,contours,-1,(0,0,255),2)
draw-img:绘制图像
contours:轮廓
1:轮廓索引
(0,0,255):颜色模式
2:线条厚度
轮廓特征
当计算一个轮廓特征是,应该把具体的轮廓拿出来
cnt = contours[0]
#面积
cv2.contourArea(cnt)
#周长,True表示闭合
cv2.arcLength(cnt,True)
轮廓近似
C点为曲线AB上与直线AB距离d最大的点
d<T(阈值) 则用直线AB近似曲线AB
d>T 用多条直线来代替曲线
epsilon = 0.1*cv2.arcLength(cnt,True)
approx. = cv2.approxPolyDP(cnt,epsilon,True)
cnt:轮廓
epsilon:阈值
边界矩形
x,y,w,h = cv2.boundingRect(cnt)
img = cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
轮廓面积与边界矩形比
extent = float(area)/rect_area
外接图
(x,y),radius = cv2.minEnclosingCircle(cnt)
center = (int(x),int(y))
radius = int(radius)
img = cv2.circle(img,center,radius,(0,255,0),2)