查找和绘制轮廓（findContours and drawContours）&& 图像轮廓 (一) && cv2.boundingRect and cv2.rectangle

本文链接：https://blog.csdn.net/qq_54185421/article/details/124619731

在使用函数 cv2.findContours() 查找图像轮廓时，需要注意以下问题：

待处理的源图像必须是灰度二值图。因此，在通常情况下，都要预先对图像进行阈值分割或者边缘检测处理，得到满意的二值图像后再将其作为参数使用。
在 OpenCV 中，都是从黑色背景中查找白色对象。因此，对象必须是白色的，背景必须是黑色的。
在 OpenCV 4.x 版本中，函数 cv2.findContours() 仅有两个返回值。
本文用的 OpenCV 3.x 版本，函数 cv2.findContours() 有三个返回值。

（1）图像轮廓概念

（2）查找轮廓：cv2.findContours函数

（3）绘制图像轮廓：drawContours函数

（4）代码示例（含注释）

（5）输出图像

（1）图像轮廓概念

边缘检测虽然能够检测出边缘，但边缘是不连续的，检测到的边缘并不是一个整体。图像轮廓是指将边缘连接起来形成的一个整体，用于后续的计算。

OpenCV 提供了查找图像轮廓的函数 cv2.findContours()，该函数能够查找图像内的轮廓信息，而函数 cv2.drawContours()能够将轮廓绘制出来。

图像轮廓是图像中非常重要的一个特征信息，通过对图像轮廓的操作，我们能够获取目标图像的大小、位置、方向等信息。

（2）查找轮廓：cv2.findContours函数

函数 cv2.findContours()的语法格式为：

image, contours, hierarchy = cv2.findContours(image, mode, method)

式中的返回值和参数为：

image：与函数参数中的原始图像 image 一致。
contours：返回的轮廓。
hierarchy：图像的拓扑信息（轮廓层次）。
image：原始图像。8 位单通道图像，所有非零值被处理为 1，所有零值保持不变。也就是说灰度图像会被自动处理为二值图像。在实际操作时，可以根据需要，预先使用阈值处理等函数将待查找轮廓的图像处理为二值图像。
mode：轮廓检索模式。
method：轮廓的近似方法。

contours(轮廓)：

该返回值返回的是一组轮廓信息，每个轮廓都是由若干个点所构成的。

例如，contours[i] 是第 i 个轮廓（下标从 0 开始），contours[i][j]是第 i 个轮廓内的第 j 个点。

[[[1534 421]]

[[1535 420]]

[[1536 421]]

[[1535 422]]]

hierarchy(层次信息)：

图像内的轮廓可能位于不同的位置。比如，一个轮廓在另一个轮廓的内部。在这种情况下，我们将外部的轮廓称为父轮廓，内部的轮廓称为子轮廓。按照上述关系分类，一幅图像中所有轮廓之间就建立了父子关系。

根据轮廓之间的关系，就能够确定一个轮廓与其他轮廓是如何连接的。比如，确定一个轮廓是某个轮廓的子轮廓，或者是某个轮廓的父轮廓。上述关系被称为层次（组织结构），返回值 hierarchy 就包含上述层次关系。

每个轮廓 contours[i]对应 4 个元素来说明当前轮廓的层次关系。其形式为：

[Next，Previous，First_Child，Parent]

Next：后一个轮廓的索引编号。
Previous：前一个轮廓的索引编号。
First_Child：第 1 个子轮廓的索引编号。
Parent：父轮廓的索引编号。

轮廓的层次结构是由参数 mode 决定的。也就是说，使用不同的 mode，得到轮廓的编号是不一样的，得到的 hierarchy 也不一样。

[[[ -1 -1 1 -1]
[ 2 -1 -1 0]
[ 3 1 -1 0]
[ 4 2 -1 0]
[ 5 3 -1 0]
[ 6 4 -1 0]]]

[[[-1 -1 -1 -1]]]

参数mode：

参数 mode 决定了轮廓的提取方式，具体有如下 4 种：

cv2.RETR_EXTERNAL：只检测外轮廓。
cv2.RETR_LIST：对检测到的轮廓不建立等级关系。
cv2.RETR_CCOMP：检索所有轮廓并将它们组织成两级层次结构。上面的一层为外边界，下面的一层为内孔的边界。如果内孔内还有一个连通物体，那么这个物体的边界仍然位于顶层。
cv2.RETR_TREE：建立一个等级树结构的轮廓。
其中，后三个mode比较相似

本文代码示例，展示了：cv2.RETR_EXTERNAL、cv2.RETR_TREE

参数method：

参数 method 决定了如何表达轮廓，可以为如下值：

cv2.CHAIN_APPROX_NONE：存储所有的轮廓点，相邻两个点的像素位置差不超过 1，即 max(abs(x1-x2)，abs(y2-y1))=1。
cv2.CHAIN_APPROX_SIMPLE：压缩水平方向、垂直方向、对角线方向的元素，只保留该方向的终点坐标。例如，在极端的情况下，一个矩形只需要用 4 个点来保存轮廓信息。
cv2.CHAIN_APPROX_TC89_L1：使用 teh-Chinl chain 近似算法的一种风格。
cv2.CHAIN_APPROX_TC89_KCOS：使用 teh-Chinl chain 近似算法的一种风格

（3）绘制图像轮廓：drawContours函数

在 OpenCV 中，可以使用函数 cv2.drawContours() 绘制图像轮廓。该函数的语法格式是：

image=cv2.drawContours( image, contours, contourIdx, color[, thickness[,
lineType[, hierarchy[, maxLevel[, offset]]]]] )

函数 cv2.drawContours()的参数 image 和返回值 image，在函数运算后的值是相同的。因此，也可以将函数 cv2.drawContours()写为没有返回值的形式。

该函数有如下参数：

image：待绘制轮廓的图像。需要注意，函数 cv2.drawContours()会在图像 image 上直接绘制轮廓。也就是说，在函数执行完以后，image 不再是原始图像，而是包含了轮廓的图像。因此，如果图像 image 还有其他用途的话，则需要预先复制一份，将该副本图像传递给函数 cv2.drawContours()使用。
contours：需要绘制的轮廓。该参数的类型与函数 cv2.findContours()的输出 contours 相同，都是 list 类型。
contourIdx：需要绘制的边缘索引，告诉函数 cv2.drawContours()要绘制某一条轮廓还是全部轮廓。如果该参数是一个整数或者为零，则表示绘制对应索引号的轮廓；如果该值为负数（通常为“-1”），则表示绘制全部轮廓。
color：绘制的颜色，用 BGR 格式表示。
thickness：可选参数，表示绘制轮廓时所用画笔的粗细。如将该值设置为“-1”，则表示要绘制实心轮廓。
lineType：可选参数，表示绘制轮廓时所用的线型。关于参数 color、thickness 和 lineType 的具体介绍，可参考第 19 章。
hierarchy：对应函数 cv2.findContours() 所输出的层次信息。
maxLevel：控制所绘制的轮廓层次的深度。如果值为 0，表示仅仅绘制第 0 层的轮廓；如果值为其他的非零正数，表示绘制最高层及以下的相同数量层级的轮廓。

（4）代码示例（含注释）

"""
查找并绘制轮廓
"""
import cv2

src = cv2.imread("car.png")

# copy image，用来画图
src_copy1 = src.copy()
src_copy2 = src.copy()
src_copy3 = src.copy()
src_copy4 = src.copy()
src_copy5 = src.copy()

img_gray = cv2.cvtColor(src, cv2.COLOR_BGRA2GRAY)  # 灰度化
img_edge = cv2.Canny(img_gray, 60, 128)  # canny 算法，对图像进行边缘处理

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (10, 10))  # 10*10的矩形对图像进行遍历
img_dil = cv2.dilate(img_edge, kernel=kernel)  # 膨胀操作

# 查找轮廓（cv2.RETR_TREE），建立一个等级树结构的轮廓。
# image, contours, hierarchy = cv2.findContours(src, mode, method)
image, contours, hierarchy = cv2.findContours(img_dil, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
for i, c in enumerate(contours):
    print(i, "\n", c)

    # cv2.boundingRect: 该函数计算并返回指定点集的最小垂直边界矩形。
    # 左上角坐标、矩形的宽、矩形的高
    x, y, w, h = cv2.boundingRect(c)
    print(x, y, w, h)

    # 绘制轮廓
    # 参数：图像、需要绘制的轮廓、需要绘制的边缘索引、颜色、线条的宽度
    # 需要绘制的边缘索引: 如果指定一个值，则绘制一个轮廓，如果该值为负数(通常为 -1)，则表示绘制所有轮廓
    cv2.drawContours(src, [contours[i]], -1,  (255, 0, 0), -1)

    # 注意：contours[i] == c，此处如果不加[]，则绘制的轮廓不连续
    cv2.drawContours(src_copy4, c, -1, (255, 0, 0), 4)

    # 线条的宽度要是设置成 -1，则表示绘制实心轮廓
    cv2.drawContours(src_copy5, [c], -1, (255, 0, 0), -1)

    # 绘制最小外接矩形
    # 参数：图像、左上角坐标、右下角坐标、颜色、线条的宽度
    cv2.rectangle(src_copy1, (x, y), (x + w, y + h), (255, 0, 0), 4)
print(hierarchy)

# 查找轮廓（cv2.RETR_EXTERNAL），只查找外轮廓。
image, contours, hierarchy = cv2.findContours(img_dil, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for i, c in enumerate(contours):
    print(i, "\n", c)
    # cv2.boundingRect: 该函数计算并返回指定点集的最小垂直边界矩形。
    # 左上角坐标、矩形的宽、矩形的高
    x, y, w, h = cv2.boundingRect(c)
    print(x, y, w, h)
    cv2.drawContours(src_copy2, contours[i], -1,  (255, 0, 0), 10)
    cv2.rectangle(src_copy3, (x, y), (x + w, y + h), (255, 0, 0), 4)
print(hierarchy)

cv2.imshow('image', img_dil)
cv2.imshow('src', src)
cv2.imshow('src_copy1', src_copy1)
cv2.imshow('src_copy2', src_copy2)
cv2.imshow('src_copy3', src_copy3)
cv2.imshow('src_copy4', src_copy4)
cv2.imshow('src_copy5', src_copy5)
cv2.waitKey(0)
cv2.destroyAllWindows()