[opencv教程（十四）]图像轮廓

目录

定义

函数方法

案例

代码解析

​编辑

轮廓特征

案例

代码解析

轮廓近似（逼近）

定义

案例

轮廓应用

边界矩阵

案例

---

定义

        轮廓与边缘不同，主要区别在于轮廓是连续的一个整体，边缘是可以离散的线段。

函数方法

cv2.findContours(img,mode,method)

• mode:轮廓检索模式

RETR_EXTERNAL:只检索最外围的轮廓

RWTR_LIST:检索所有轮廓，并将其存到一条链表中

RETR_CCOMP:检索所有的轮廓，并将它们组织为两层，顶层为各部分的外部边界，第二层是空洞的边界

RETR_TREE：检索所有的轮廓，并重构嵌套轮廓的整个层次（常用，遇事不决就用这个）

• method:轮廓逼近方法

CHAIN_APPROX_NONE:以freeman链码的方式输出轮廓，所有其他方法输出多边形

CHAIN_APPROX_SIMPLE:压缩水平的垂直的和斜的部分，也就是函数只保留他们的终点部分。

cv2.drawContours(img,contours,contoursInlineColor,lineSize)

• contours:轮廓信息
• contoursIndex:轮廓索引，-1表示全部轮廓
• lineColor:线条颜色（BGR)
• lineSize:线条粗细

案例

代码解析

为了提高准确率 采取二值图像

我用的是OTSU来获取最佳阈值，也可以通过Tangle来获取最佳阈值

只用Binary也是可以的 阈值取为min=127,max=255

注意在此处如果直接执行cv2.IMREAD_GRAYSCALE那么在最后的drawContours的线条颜色不会显示

lena = cv2.imread('Picture/Lena.png')
lena_Gray = cv2.cvtColor(lena,cv2.COLOR_BGR2GRAY)
ret,lena_otsu = cv2.threshold(lena_Gray,0,255,cv2.THRESH_OTSU+cv2.THRESH_BINARY)

使用findcontours来获取轮廓

contours,hierarchy = cv2.findContours(lena_otsu,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)

返回的两个参数 contours是边界的信息可以用np.array来转换出来看，hierarchy则是层级信息。

接下来通过drawcontours绘制轮廓

但drawContours是绘制在img上，所以需要先对img创建一个副本

drawlena = lena.copy()
res = cv2.drawContours(drawlena,contours,-1,color=(255,0,0),thickness=2)
cv2.imshow('Contours',res)
cv2.waitKey(0)
cv2.destroyAllWindows()

轮廓特征

案例

代码解析

cnt=contours[3]

 如图所取的就是第四个轮廓

#求面积
print(cv2.contourArea(cnt))
#求周长 True表示闭合的
print(cv2.arcLength(cnt,True))

轮廓近似（逼近）

定义

        将不规则的轮廓，近似为一个规则的轮廓

案例

#轮廓近似
#epsilon的系数越小离原轮廓就越接近
drawlena1 = lena.copy()
epsilon = 0.1 * cv2.arcLength(cnt,True)
approx = cv2.approxPolyDP(cnt,epsilon,True)
drawapprox = cv2.drawContours(drawlena1,[approx],-1,(0,0,255),3)
cv2.imshow('drawApprox',drawapprox)
cv2.waitKey(0)
cv2.destroyAllWindows()

轮廓应用

边界矩阵

案例

x,y,w,h = cv2.boundingRect(cnt)
tangle = cv2.rectangle(drawlena,(x,y),(x+w,y+h),(0,255,0),3)

还有一些别的应用 比如外接圆啊，抠图啊

感兴趣的可以看OpenCV 中的轮廓应用 - 知乎 (zhihu.com)

此处主要是入门教程