【Python+OpenCV入门学习】十八、图像轮廓

本篇文章介绍图像轮廓，轮廓是形状分析和物体检测识别非常有用的工具。将学习如何寻找与绘制轮廓。

主要学习cv.findContours()，cv.drawContours()函数的使用。

环境：Windows 7（64）   Python 3.6    OpenCV 3.4.2

一、寻找和绘制轮廓

1.1 相关函数介绍

cv.findContours()函数形式如下：

image, contours, hierarchy = cv.findContours( image, mode, method[, contours[, hierarchy[, offset]]] )

功能：在二值图像中寻找轮廓。

参数：

image：输入图像，八位单通道二值图像。如果mode等于RETR_CCOMP或RETR_FLOODFILL，则输入也可以是的32位整数图像（CV_32SC1）。

contours：得到的轮廓。数据类型是点向量。

hierarchy：层次信息。也是一个向量，每个元素是4个int变量的数组，它和contours元素相对应。hierarchy[i][0]~hierarchy[i][3]分别表示第i个轮廓的后一轮廓，前一轮廓，父轮廓、内嵌轮廓的索引编号。如果没有，会设为-1。

mode：轮廓检索模式

method：轮廓近似方法

offset：每个轮廓点移动的可选偏移量。

mode的取值如下：

cv.RETR_EXTERNAL：仅检索极端外轮廓。 它为所有轮廓设置hierarchy[i] [2] = hierarchy [i] [3] =  -  1

cv.RETR_LIST：检索所有轮廓而不建立任何层次关系。

cv.RETR_CCOMP：检索所有轮廓并将它们组织成两级层次结构。 在顶层，组件有外部边界。 在第二层，有孔的边界。 如果连接组件的孔内有另一个轮廓，它仍然位于顶层。

 cv.RETR_TREE：检索所有轮廓并重建嵌套轮廓的完整层次结构。

cv.RETR_FLOODFILL：文档无说明。

method的取值如下：

cv.CHAIN_APPROX_NONE：绝对存储所有轮廓点。 也就是说，轮廓的任何2个后续点（x1，y1）和（x2，y2）将是水平，垂直或对角线邻居，即max（abs（x1-x2），abs（y2-y1））== 1。

cv.CHAIN_APPROX_SIMPLE：压缩水平，垂直和对角线段，只留下它们的端点。 例如，右上方的矩形轮廓用4个点编码。

cv.CHAIN_APPROX_TC89_L1：应用Teh-Chin链近似算法的一种风格。

cv.CHAIN_APPROX_TC89_KCOS：应用Teh-Chin链式近似算法的一种风格。

cv.drawContours()函数形式如下：

image = cv.drawContours( image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]] )

功能：绘制或填充轮廓。

参数：

image：目标图像，即要选择在什么图像上绘制轮廓。

contours：输入要绘制的所有轮廓。

contourIdx：指要绘制的轮廓参数。如果为-1，则绘制所有轮廓。

color：指定绘制轮廓线的颜色。

thickness：指定绘制轮廓线的粗细。如果为负（或设置为FILLED），则是轮廓填充。

lineType：指定绘制轮廓线的类型。

hierarchy：轮廓的层次信息。

maxLevel：绘制轮廓的最大级别。如果为0，则仅绘制指定的轮廓。如果为1，则该函数绘制轮廓和所有嵌套轮廓。如果为2，则该函数绘制轮廓，所有嵌套轮廓，所有嵌套到嵌套的轮廓，等等。仅当有可用的层次结构时才考虑此参数。

offset：可选的轮廓移位参数。按指定的偏移=（dx，dy）移动所有绘制的轮廓。

1.2 编程测试

代码如下：

import cv2 as cv
import numpy as np

img = cv.imread('1.png') #读取图像
imgray = cv.cvtColor(img, cv.COLOR_BGR2GRAY) #灰度化
ret, thresh = cv.threshold(imgray, 127, 255, 0) #二值化

#轮廓提取
im2, contours, hierarchy = cv.findContours(thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
#轮廓绘制
cv.drawContours(img, contours, -1, (0, 255, 0), 3)

#显示
cv.imshow("src img", img)

运行结果图如下：