opencv图像处理之轮廓

0.什么是轮廓

轮廓可以简单认为成将连续的点（连着边界）连在一起的曲线，具有相同的颜色或者灰度。轮廓在形状分析和物体的检测和识别中很有用。

• 为了更加准确，要使用二值化图像。在寻找轮廓之前，要进行阈值化处理或者Canny 边界检测。
• 查找轮廓的函数会修改原始图像。如果你在找到轮廓之后还想使用原始图像的话，你应该将原始图像存储到其他变量中。
• 在OpenCV 中，查找轮廓的原理如下：对于一幅背景为黑色、目标为白色的二值图像，如果在图中找到一个白色点，且它的8邻域（或4邻域）也均为白色，则说明该点是目标的内部点，将其置为黑色，视觉上就像内部被掏空一样；否则保持白色不变，该点是目标的边界点。
• 边缘检测和轮廓提取的区别：
  • 边缘检测主要是通过一些手段检测数字图像中明暗变化剧烈（即梯度变化比较大）像素点，偏向于图像中像素点的变化。如canny边缘检测，结果通常保存在和源图片一样尺寸和类型的边缘图中。
  • 轮廓检测指检测图像中的对象边界，更偏向于关注上层语义对象。如OpenCV中的findContours()函数， 它会得到每一个轮廓并以点向量方式存储，除此也得到一个图像的拓扑信息，即一个轮廓的后一个轮廓、前一个轮廓、父轮廓和内嵌轮廓的索引编号。
• 搬几张图来解释一下（来源）：以下的图分别为灰度图、边缘图、轮廓图
  
  

1.查找并绘制轮廓

代码速记：

• cv2.findContours()
• cv2.drawContours()

参数解释：

#二值图像、轮廓检索模式（看本文第5条）、轮廓近似方法
image,contours,hierarchy=cv2.findContours(thresh_img,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

#原图、轮廓、轮廓索引、颜色、thickness
img1=cv2.drawContours(self.img,contours,-1,(0,255,0),3)

• 函数cv2.findContours() 返回值有三个：图像、轮廓、（轮廓的）层析结构
• 轮廓（第二个返回值）是一个Python列表，其中存储这图像中的所有轮廓。每一个轮廓都是一个Numpy 数组，包含对象边界点（x，y）的坐标

实战：

def draw(self):
    #【1】把图像变灰，再二值化
    gray=cv2.cvtColor(self.img,cv2.COLOR_BGR2GRAY)
    ret,thresh_img=cv2.threshold(gray,127,255,0)
    #【2】寻找轮廓：会改变原始图像
    image,contours,hierarchy=cv2.findContours(thresh_img,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
    #retr_tree,chain_approx_simple
    #【3】绘制所有轮廓
    img1=cv2.drawContours(self.img,contours,-1,(0,255,0),3)
    #【4】绘制索引为1的轮廓
    img2=cv2.drawContours(self.img,contours,1,(0,255,0),3)
    titles = ['all', 'one']
    imgs = [img1, img2]
    for i in range(2):
        plt.subplot(1, 2, i + 1), plt.imshow(cv2.cvtColor(imgs[i],cv2.COLOR_BGR2RGB))
        plt.title(titles[i])
        plt.xticks([]), plt.yticks([])
    plt.show()

2.轮廓特征

代码速记：

• cv2.moments()：计算图像的中心矩（关于矩的知识）
• cv2.contourArea()：计算轮廓区域的面积
• cv2.arcLength()：计算轮廓长度
• cv2.approxPolyDP()：逼近多边形曲线
• cv2.convexHull()：提取轮廓凸包
• cv2.isContourConvex()：测试轮廓的凸性
• cv2.boundingRect()：轮廓的外包矩形
• cv2.minAreaRect()：轮廓的最小外包矩形（考虑旋转）
• cv2.minEnclosingCircle()：轮廓的最小外包圆
• cv2.fitEllipse()：用椭圆拟合轮廓
• cv2.fitLine()：用直线拟合轮廓

实战：

def features(self):
	#【0】检测图像轮廓
    img = cv2.imread('../images/test2.jpg',0)
    cimg=cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)#后面画图必须用三通道图像
	ret,thresh = cv2.threshold(img,127,255,0