opencv-python：19_图像轮廓【一】（概念、特征、性质 、面积、周长、边界矩形、方向、极点、cv2.findContours()，cv2.drawContours()）

OpenCV 中的轮廓

• 理解什么是轮廓
• 学习找轮廓，绘制轮廓等
• 函数：cv2.findContours()，cv2.drawContours()

一、查找轮廓

1. 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，查找轮廓就像在黑色背景中超白色物体。你应该记住，要找的物体应该是白色而背景应该是黑色。

2. 使用cv2.findContours()在二值图像中查找轮廓：

   • 函数 cv2.findContours() 有三个参数，第一个是输入图像，第二个是轮廓检索模式，第三个是轮廓近似方法。返回值有三个，第一个是图像，第二个是轮廓，第三个是（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。

二、绘制轮廓

函数 cv2.drawContours() 可以被用来绘制轮廓。它可以根据你提供的边界点绘制任何形状。它的第一个参数是原始图像，第二个参数是轮廓，一个 Python 列表。第三个参数是轮廓的索引（在绘制独立轮廓是很有用，当设置为 -1 时绘制所有轮廓）。接下来的参数是轮廓的颜色和厚度等。

在一幅图像上绘制所有的轮廓：

import numpy as np
import cv2

def cv_show(img,name):
    cv2.imshow(name,img)
    cv2.waitKey()
    cv2.destroyAllWindows()

img = cv2.imread('opencv.jpg')
imgray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

ret,thresh = cv2.threshold(imgray,127,255,0)
image, contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

#绘制独立轮廓，如第四个轮廓：
img = cv2.drawContours(img, contours, -1, (0,255,0), 3)
cv_show(img,'img')

#但是大多数时候，下面的方法更有用：
img = cv2.drawContours(img, contours, 3, (0,255,0), 3)
cv_show(img,'img')

轮廓的近似方法

这是函数 cv2.findCountours() 的第三个参数。它到底代表什么意思呢？
上边我们已经提到轮廓是一个形状具有相同灰度值的边界。它会存贮形状边界上所有的 (x，y) 坐标。但是需要将所有的这些边界点都存储吗？这就是这个参数要告诉函数 cv2.findContours 的。

这个参数如果被设置为 cv2.CHAIN_APPROX_NONE，所有的边界点都会被存储。但是我们真的需要这么多点吗？例如，当我们找的边界是一条直线时。你用需要直线上所有的点来表示直线吗？不是的，我们只需要这条直线的两个端点而已。这就是 cv2.CHAIN_APPROX_SIMPLE 要做的。它会将轮廓上的冗余点都去掉，压缩轮廓，从而节省内存开支。

我们用下图中的矩形来演示这个技术。在轮廓列表中的每一个坐标上画一个蓝色圆圈。第一个图显示使用cv2.CHAIN_APPROX_NONE 的效果，一共 734 个点。第二个图是使用 cv2.CHAIN_APPROX_SIMPLE 的结果，只有 4 个点。看到他的威力了吧！

三、轮廓特征

• 查找轮廓的不同特征，例如面积，周长，重心，边界框等。
• 轮廓相关函数

（1）图像矩

图像的矩可以帮助我们计算图像的质心，面积等。函数 cv2.moments() 会将计算得到的矩以一个字典的形式返回。

根据这些矩的值，我们可以计算出对象的重心：

import cv2
import numpy as np

img = cv2.imread('tower.jpg',0)
ret,thresh = cv2.threshold(img,127,255,0)
image, contours,hierarchy = cv2.findContours(thresh, 1, 2)

cnt = contours[0]

M = cv2.moments(cnt)
print(M)

{'m00': 2.0, 'm10': 742.0, 'm01': 1502.0, 'm20': 275282.3333333333, 'm11': 557242.0, 'm02': 1128002.3333333333, 'm30': 102129993.0, 'm21': 206737032.33333334, 'm12': 418488865.6666667, 'm03': 847130253.0, 'mu20': 0.3333333333139308, 'mu11': 0.0, 'mu02': 0.3333333332557231, 'mu30': 1.4901161193847656e-08, 'mu21': 2.450542524456978e-08, 'mu12': 4.866160452365875e-08, 'mu03': 1.1920928955078125e-07, 'nu20': 0.0833333333284827, 'nu11': 0.0, 'nu02': 0.08333333331393078, 'nu30': 2.634178031930877e-09, 'nu21': 4.331988091573825e-09, 'nu12': 8.60223763552427e-09, 'nu03': 2.1073424255447017e-08}

cx = int(M['m10']/M['m00'])
cy = int(M['m01']/M['m00'])

print(cx,cy)

371 751

（2）轮廓面积

• 使用函数 cv2.contourArea() 计算
• 使用（0 阶矩），M[‘m0