OpenCV-py学习笔记（四）—— 轮廓检测

这几天一直在学习特征点检测、角点检测相关的内容，更新的略慢，这篇博文将主要介绍一下图像的轮廓方面的知识和openCV中的相关操作。

轮廓检测

参考资料

• OpenCV-Python Tutorial
• Computer Vision: Algorithms and Applications

0. 什么是轮廓？

所谓轮廓，简单地可以解释为，一些连续的，沿着曲线边界的，点的集合，这些点拥有相同的颜色或者亮度。【In English, Contours can be explained simply as a curve joining all the continuous points (along the boundary), having same color or intensity。】这些轮廓往往在目标检测和目标识别中很有作用。

下面是几个在使用opencv作轮廓检测时需要注意的点：

• 为了更精确地提取轮廓，请使用二值图。也就是说，在使用轮廓提取函数前，请将源图片运用阈值进行二值化(cv2.threshold())或者采用Canny边缘检测。
• findContours 函数会修改源图片，如果希望在轮廓检测后继续使用源图片，务必提前保存在另一个变量中。
• 在OpenCV中，轮廓检测视作从黑色背景中提取白色的物体，所以，在结果中，白色表示物体，黑色表示背景。

1. 基本使用

下面是一个轮廓检测的基本使用例子：

def find_contours_of_binary_image():
	im = cv2.imread('rectangle.jpg')
	imgray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
	ret, thresh = cv2.threshold(imgray, 127, 255, 0)

	image, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)


	print("一共检测到%d个轮廓" % len(contours))
	for i in range(len(contours)):
		print("第%d个轮廓:" % (i + 1))
		print(contours[i])

	# -1 代表画出所有轮廓
	res = cv2.drawContours(im, contours, -1, (0, 255, 0), thickness=3)
	img_show(res)

提取轮廓的步骤大概会是