轮廓检测
img = cv2.imread(imagepath)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 235, 255, cv2.THRESH_BINARY)
contours, heriachy = cv2.findContours(binary, 2, 1)
cv2.imshow('fig_source', img)
opencv2返回两个值:contours:hierarchy。注:opencv3会返回三个值,分别是img, countours, hierarchy
参数
第一个参数是寻找轮廓的图像;
第二个参数表示轮廓的检索模式,有四种(本文介绍的都是新的cv2接口):
cv2.RETR_EXTERNAL表示只检测外轮廓
cv2.RETR_LIST检测的轮廓不建立等级关系
cv2.RETR_CCOMP建立两个等级的轮廓,上面的一层为外边界,里面的一层为内孔的边界信息。如果内孔内还有一个连通物体,这个物体的边界也在顶层。
cv2.RETR_TREE建立一个等级树结构的轮廓。
第三个参数method为轮廓的近似办法
cv2.CHAIN_APPROX_NONE存储所有的轮廓点,相邻的两个点的像素位置差不超过1,即max(abs(x1-x2),abs(y2-y1))==1
cv2.CHAIN_APPROX_SIMPLE压缩水平方向,垂直方向,对角线方向的元素,只保留该方向的终点坐标,例如一个矩形轮廓只需4个点来保存轮廓信息
cv2.CHAIN_APPROX_TC89_L1,CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法
返回值
cv2.findContours()函数返回两个值,一个是轮廓本身用list存储多个轮廓,numpy中的ndarray格式,还有一个是每条轮廓对应的属性,我也不知道干嘛用的
绘制轮廓与连通大凸包
#简单的想法是将每个凸包手动画线连接成一整个连通区域,然后重新寻找一个大凸包
hulls = []
lines = []
for cnt in contours:
hull = cv2.convexHull(cnt)
lines.append(tuple(hull[0][0]))
for j in range(len(lines)):
if j + 1 < len(lines):
cv2.line(img,lines[j], lines[j + 1],(255, 255, 255), 2)
cv2.imshow('fig_lines', img)
#在连线完的图片上重新寻找最外层轮廓
gray2 = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret2, binary2 = cv2.threshold(gray2, 235, 255, cv2.THRESH_BINARY)
contours2, heriachy2 = cv2.findContours(binary2, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
for cnt2 in contours2:
hull2 = cv2.convexHull(cnt2)
hulls.append(hull2)
draw_hulls = cv2.drawContours(img, hulls, -1, (0, 0, 255), 2) #最后一个参数-1表示填充
cv2.imshow('fig_hull', draw_hulls)
运行结果
还是新手小白,功能虽然实现了,但是感觉方法比较蠢,欢迎大神指导评价。
参考
https://blog.csdn.net/hjxu2016/article/details/77833336
https://www.cnblogs.com/jclian91/p/9728488.html