python+opencv图像处理轮廓检测

findContours轮廓检测
轮廓检测，获取最外层矩形框的偏转角度angle

参数解释：image, contours, hier = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

第一个参数：二值化的图像，可以调用如下函数转为二值化图像

cv2.threshold(cv2.cvtColor(img, 127, 255, cv2.THRESH_BINARY))

第二个参数：表示轮廓的检索模式，有四种：
cv2.RETR_EXTERNAL表示只检测外轮廓
cv2.RETR_LIST检测的轮廓不建立等级关系
cv2.RETR_CCOMP建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息
cv2.RETR_TREE建立一个等级树结构的轮廓。
第三个参数：cv2.CHAIN_APPROX_NONE存储所有的轮廓点，相邻的两个点的像素位置差不超过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．
下面的代码对检测到的轮廓进行了筛选.并返回轮廓矩形坐标或倾斜角度

#检测轮廓
# ret, thresh = cv2.threshold(cv2.cvtColor(img, 127, 255, cv2.THRESH_BINARY))
image, contours, hier = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for c in contours:  #遍历轮廓
    rect = cv2.minAreaRect(c)  #生成最小外接矩形
    box_ = cv2.boxPoints(rect)
    h = abs(box_[3, 1] - box_[1, 1])
    w = abs(box_[3, 0] - box_[1, 0])
    print("宽，高",w,h)
    #只保留需要的轮廓
    if (h > 3000 or w > 2200):
        continue
    if (h < 2500 or w < 1500):
        continue
    box = cv2.boxPoints(rect)  # 计算最小面积矩形的坐标
    box = np.int0(box)  # 将坐标规范化为整数
    angle = rect[2]  #获取矩形相对于水平面的角度
    if angle > 0:
        if abs(angle) > 45:
            angle = 90 - abs(angle)
    else:
        if abs(angle) > 45:
            angle = (90 - abs(angle))
    # 绘制矩形
    # cv2.drawContours(img, [box], 0, (255, 0, 255), 3)
print("轮廓数量", len(contours))