第十二节 图像轮廓

图像轮廓

cv2.findContours(img,mode,method)

mode：轮廓检索模式

1. RETR_EXTERNAL:只检索最外面的轮廓
2. RETR_LIST:检索所有的轮廓，并将其保存到一条链表中
3. 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
4. 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

1. 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）
2. 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)