-
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 -
怎样查找轮廓
cv2.findContours(image, mode, method[, offset])
#寻找一个二值图像的轮廓。注意黑色表示背景,白色表示物体,即在黑色背景里寻找白色物体的轮廓
参数:
image:8位单通道图像。非零像素值视为1,所以图像视作二值图像
mode:轮廓检索的方式
mode | 轮廓检索的方式 |
---|---|
cv2.RETR_EXTERNAL | 只检索外部轮廓 |
cv2.RETR_LIST: | 检测所有轮廓且不建立层次结构 |
cv2.RETR_CCOMP | 检测所有轮廓,建立两级层次结构 |
cv2.RETR_TREE: | 检测所有轮廓,建立完整的层次结构 |
method:轮廓近似的方法
method | 轮廓近似的方法 |
---|---|
cv2.CHAIN_APPROX_NONE | 存储所有的轮廓点 |
cv2.CHAIN_APPROX_SIMPLE | 压缩水平,垂直和对角线段,只留下端点。 例如矩形轮廓可以用4个点编码。 |
cv2.CHAIN_APPROX_TC89_L1 cv2CHAIN_APPROX_TC89_KCOS | 使用Teh-Chini chain近似算法 |
offset:(可选参数)轮廓点的偏移量,格式为tuple,如(-10,10)表示轮廓点沿X负方向偏移10个像素点,沿Y正方向偏移10个像素点
返回值
contours:轮廓点。列表格式,每一个元素为一个3维数组(其形状为(n,1,2),其中n表示轮廓点个数,2表示像素点坐标),表示一个轮廓
hierarchy:轮廓间的层次关系,为三维数组,形状为(1,n,4),其中n表示轮廓总个数,4指的是用4个数表示各轮廓间的相互关系。第一个数表示同级轮廓的下一个轮廓编号,第二个数表示同级轮廓的上一个轮廓的编号,第三个数表示该轮廓下一级轮廓的编号,第四个数表示该轮廓的上一级轮廓的编号
import numpy as np
import cv2
im = cv2.imread('image.jpg')
imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)#转为灰度图
ret,thresh = cv2.threshold(imgray,127,255,0)#二值化
image, contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
cv2.imshow('img',im)#原图
cv2.imshow('image',image)#轮廓图
cv2.waitKey(0)
cv2.destroyAllWindows()
3. 绘制轮廓
cv2.drawContours(image, cnt, -1, (0, 0, 255), 2)
第一个参数:绘制图像
第二个参数:findContours函数返回的轮廓参数
第三个参数:画第几个轮廓,-1表示画出所有轮廓
第四个参数:轮廓颜色的RGB值
第五个参数:轮廓的宽度
import numpy as np
import cv2
im = cv2.imread('image.jpg')
imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)#转为灰度图
ret,thresh = cv2.threshold(imgray,127,255,0)#二值化
image, contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
im = cv2.drawContours(im, contours, -1, (0,0,255), 1)#绘制轮廓
cv2.imshow('image',im)#轮廓图
cv2.waitKey(0)
cv2.destroyAllWindows()