OpenCV轮廓检测

轮廓检测概念介绍

• 对于图像的轮廓检测我们可以使用cv2.findContours(img,mode,method)这个函数。

• mode表示轮廓检测的模式具体参数如下：

  • RETR_EXTERNAL ：只检索最外面的轮廓。
  • RETR_LIST：检索所有的轮廓，并将其保存到一条链表当中。
  • RETR_CCOMP：检索所有的轮廓，并将他们组织为两层：顶层是各部分的外部边界，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（最常用）。

• method表示轮廓逼近的方法具体参数如下：

  • 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（顶点的序列）。
  • 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。

• 为了更高的准确率，使用二值图像。读取图像代码如下

#读取图像
img = cv2.imread('contours.png')
#灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#二值操作，设置127位临界，高于为白色（255），低于为黑色
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

轮廓绘制

• 轮廓绘制通常使用的是cv2.drawContours

#传入绘制图像，轮廓，轮廓索引（-1表示全部轮廓），颜色模式，线条厚度，
#注意需要copy,要不原图会变。。。
def cv_show(img,name):
    cv2.imshow(name,img)
    cv2.waitKey()
    cv2.destroyAllWindows()
draw_img = img.copy()
res = cv2.drawContours(draw_img, contours, -1, (0, 0, 255), 2)
cv_show(res,'res')

轮廓特征

• 我们可以通过指定轮廓的索引来指定轮廓的特征例如周长和面积，代码实现如下：

#绘制第0个索引的轮廓
draw_img = img.copy()
res = cv2.drawContours(draw_img, contours, 0, (0, 255, 0), 2)
cv_show(res,'res')

指定轮廓索引
cnt = contours[0]
#面积
cv2.contourArea(cnt)
8500.5
#周长，True表示闭合的
cv2.arcLength(cnt,True)
437.9482651948929

轮廓近似

• 对于一些不规则图像的轮廓我们可以使用近似于图像的线来绘制轮廓。代码实现如下：
• 绘制轮廓

img = cv2.imread('contours2.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
cnt = contours[0]

draw_img = img.copy()
res = cv2.drawContours(draw_img, [cnt], -1, (0, 0, 255), 2)
cv_show(res,'res')

通过epsilon的值来精确近似轮廓，值设置的越小，则越接近图像的原始轮廓
epsilon = 0.001*cv2.arcLength(cnt,True) 
approx = cv2.approxPolyDP(cnt,epsilon,True)

draw_img = img.copy()
res = cv2.drawContours(draw_img, [approx], -1, (0, 0, 255), 2)
cv_show(res,'res')

边界矩形与外接圆

• 为了丰富图像的特征，我们可以对图像的轮廓设置边界矩形或者外接圆。
• 边界矩形代码实现如下：

img = cv2.imread('contours.png')

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
cnt = contours[0]
#得到外接矩形的四个坐标点
x,y,w,h = cv2.boundingRect(cnt)
img = cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
cv_show(img,'img')

• 具体来说我们为什么要设置轮廓的外接矩形呢？
• 答：不仅是丰富特征，还可以计算轮廓面积与外接矩阵的比值。代码实现如下。

area = cv2.contourArea(cnt)
x, y, w, h = cv2.boundingRect(cnt)
rect_area = w * h
extent = float(area) / rect_area
print ('轮廓面积与边界矩形比为',extent)
轮廓面积与边界矩形比为 0.5154317244724715

• 外接圆与外接矩形类似，实现代码如下：

(x,y),radius = cv2.minEnclosingCircle(cnt) 
center = (int(x),int(y)) 
radius = int(radius) 
img = cv2.circle(img,center,radius,(0,255,0),2)
cv_show(img,'img')