图像轮廓

一、轮廓查找与绘制

1.图像轮廓的概念

2.查找图像轮廓

寻找轮廓的操作一般用于二值化图，所以通常会使用阈值分割或Canny边缘检测先得到二值图。

3.cv2.findContours()函数

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

contours：返回的轮廓。例如contours[i]表示第i个轮廓。

hierarchy：图像的拓扑信息（轮廓层次）。

image：输入的图像。 mode：轮廓搜索模式：决定了轮廓的提取方式。

method：轮廓近似方法：决定了如何表达轮廓。

4.绘制图像轮廓

image=cv2.drawContours(image, contours, contourIdx, color, thickness=None, lineType=None, hierarchy=None, maxLevel=None, offset=None)

 例如：

img=cv2.drawContours(img,contours,-1,(0,255,0),5)绿色轮廓线，线条粗细为5（若为-1，则会将轮廓内部进行填充）

二、计算轮廓的面积及长度

1.矩特征

比较两个轮廓最简单的方法是比较二者的轮廓矩。轮廓矩代表了一个轮廓、一幅图像、一组点集的全局特征。矩信息包含了对应对象不同类型的几何特征，例如大小、位置、角度、形状等。矩特征被广泛地应用在模式识别、图像识别等方面。

2.计算轮廓的面积

3.计算轮廓的长度

三、使用Hu特征进行形状匹配

1.Hu特征

Hu矩是归一化中心矩的线性组合，Hu矩再图像旋转，缩放，平移等操作后，仍能保持矩的不变性，经常使用 Hu 矩来识别图像的特征。在 OpenCV 中，使用函数 cv2.HuMoments()可以得到 Hu 距。该函数使用 cv2.moments()函数的返回值作为参数，返回 7 个 Hu 矩值。

2.形状匹配

通过Hu 矩可以来判断两个对象的一致性。但是结果比较抽象，OpenCV 提供了 cv2.matchShapes() 对两个对象的Hu矩进行比较

四、轮廓的几何形状拟合

1.矩形包围框

retval = cv2.boundingRect( array )

retval:矩形边界左上角顶点的坐标值及矩形边界的宽度和高度。

array：灰度图像或轮廓。

2.最小外包矩形框

retval =cv2.minAreaRect( points )

retval:回的矩阵特征信息，结构是(最小外接矩形的中心(x,y),(宽度,高度),旋转角度)。

points：轮廓

3.最小包围圆形

center, radius = cv2.minEnclosingCircle( points )

center：圆形 

radius：半径

points：轮廓

4.最优拟合椭圆

retval = cv2.fitEllipse( points )

center：RotatedRect 类型的值，这个是拟合椭圆的外界矩形，包含外接矩形的质心，宽，高，旋转角度等参数信息，这些信息与椭圆的中心点，轴长度，旋转角度等信息吻合

points：轮廓

5.最优拟合直线

line = cv2.fitLine( points, distType, param, reps, aeps )

6.逼近多边形

在数字化时，要对曲线进行采样，即在曲线上取有限个点，将其变为折线，并且能够在一定程度上保持原有的形状。

五、凸包

1.凸包绘制

获取凸包

2.凸缺陷检测

凸缺陷

3.轮廓常见特征值

宽高比

Extend