图像轮廓检测
轮廓检测的原理是基于图像边缘提取的基础寻找对象轮廓的方法,所以边缘提取的阈值选定会影响最终轮廓发现的结果
api介绍
findContours发现轮廓
drawContours绘制轮廓
1.函数原型:cv2.findContours(image, mode, method, contours=None, hierarchy=None, offset=None)
参数说明:
(1)image:原图
(2)mode:轮廓的检索模式,有四种,常用的是 cv2.RETR_EXTERNAL
枚举 说明
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
(3)method:轮廓的近似办法,常用 cv2.CHAIN_APPROX_SIMPLE
枚举 说明
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
函数返回参数:
(1)contours:轮廓本身,
(2)hierarchy:是每条轮廓对应的属性,一般使用contour
(3)如果有三个返回参数的话。image:原图像
注意:
OpenCV旧版,返回三个参数:
im2, contours, hierarchy = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
要想返回三个参数: 把OpenCV 降级成3.4.3.18 就可以了,
在终端输入pip install opencv-python==3.4.3.18
OpenCV 新版调用,返回两个参数:
contours, hierarchy = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
2.函数原型:cv2.drawContours(image, contours, contourIdx, color, thickness, lineType, hierarchy, maxLevel, offset)
(1)image :目标图像
(2)contours - 所有的输入轮廓,每个轮廓为点矢量(a point vector)/点向量 形式,与findcontours中的返回值 contours 的列表list形式一致
(3)contourIdx - 指定轮廓列表的索引 ID(将被绘制),若为负数,则所有的轮廓将会被绘制。
(4)color - 绘制轮廓的颜色。
(5)thickness - 绘制轮廓线条的宽度,若为负值或CV.FILLED则将填充轮廓内部区域
(6)lineType - Line connectivity,(有的翻译线型,有的翻译线的连通性)
(7)hierarchy - 层次结构信息,与函数findcontours()的hierarchy有
(8)maxLevel - 绘制轮廓的最高级别。
0,则绘制指定轮廓
1,则绘制该轮廓和所有嵌套轮廓(nested contours)
2,则绘制该轮廓、嵌套轮廓(nested contours)/子轮廓和嵌套-嵌套轮廓(all the nested-to-nested contours)/孙轮廓,等等。该参数只有在层级结构时才用到。
(9)offset - 按照偏移量移动所有的轮廓(点坐标)。
代码奉上
import cv2
import numpy as np
# 轮廓检测
img = cv2.imread('240.bmp')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 获取灰度图
ret, binary = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY|cv2.THRESH_OTSU) # 利用阈值自动选择的方法获取二值图像
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) # 检测轮廓
cv2.drawContours(img, contours, -1, (0, 255, 0), 1) # 画出轮廓
cv2.imshow('gray', binary)
cv2.imshow('res', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
原图:
轮廓检测结果: