OpenCV 10(图像轮廓)

一、图像轮廓

图像轮廓是具有相同颜色或灰度的连续点的曲线. 轮廓在形状分析和物体的检测和识别中很有用。

轮廓的作用:

- 用于图形分析
- 物体的识别和检测

注意点:

- 为了检测的准确性，需要先对图像进行**二值化**或**Canny操作**。
- 画轮廓时会修改输入的图像, 如果之后想继续使用原始图像，应该将原始图像储存到其他变量中。

1.1 查找轮廓

- findContours(image, mode, method[, contours[, hierarchy[, offset]]]) 

  - mode 查找轮廓的模式

    - RETR_EXTERNAL = 0, 表示只检测外围轮廓

     

    - RETR_LIST = 1, 检测的轮廓不建立等级关系, 即检测所有轮廓, 较为常用

 

    - RETR_CCOMP = 2, 每层最多两级, 从小到大, 从里到外.

    - RETR_TREE = 3, 按照树型存储轮廓, 从大到小, 从右到左.

  - method 轮廓近似方法也叫ApproximationMode 

    - CHAIN_APPROX_NONE 保存所有轮廓上的点
    - CHAIN_APPROX_SIMPLE, 只保存角点, 比如四边形, 只保留四边形的4个角, 存储信息少, 比较常用

  - 返回 contours和hierachy 即轮廓和层级

import cv2
import numpy as np

# 该图像显示效果是黑白的, 但是实际上却是3个通道的彩色图像.
img = cv2.imread('./contours1.jpeg')

# 变成单通道的黑白图片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化, 注意有2个返回值, 阈值和结果
ret, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)

# cv2.ims