目标
- 了解轮廓是什么。
- 学习查找轮廓,绘制轮廓等。
cv2.findContours()
,cv2.drawContours()
什么是轮廓?
轮廓可以简单地解释为连接具有相同颜色或强度的所有连续点(沿边界)的曲线。轮廓是用于形状分析以及对象检测和识别的有用工具。
为了获得更高的准确性,请使用灰度图像。因此,在找到轮廓之前,请应用阈值或canny边缘检测
从OpenCV 3.2开始,cv2.findContours()
不再修改源图像。在OpenCV中,找到轮廓就像从黑色背景中找到白色物体。因此,要找到的对象应该是白色,背景应该是黑色。
下面是找灰度图图像的轮廓:
import cv2
import numpy as np
im = cv.imread('box.jpg')
imgray = cv2.cvtColor(im, cv.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
contours, hierarchy = cv2.findContours(thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
contours, hierarchy = cv2.findContours( image, mode, method[, contours[, hierarchy[, offset]]] ) findcontour()函数中有三个参数
- 第一个是源图像
- 第二个是轮廓检索模式
- 第三个是轮廓逼近方法。输出等高线和层次结构。
contours轮廓是图像中所有轮廓的Python列表。每个单独的轮廓是一个(x, y)坐标的Numpy数组的边界点的对象
注意
稍后将详细讨论第二和第三个参数以及有关层次结构。在此之前,代码示例中赋予它们的值将适用于所有图像。
如何绘制轮廓?
要绘制轮廓,使用cv2.drawContours
函数。只要有边界点,它也可以用来绘制任何形状。
image = cv.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]] )
- 第一个参数是源图像
- 第二个参数是应该作为Python列表传递的轮廓
- 第三个参数是轮廓的索引(在绘制单个轮廓时有用。要绘制所有轮廓,请传递-1)
- 其余参数是颜色,厚度等等
在图像中绘制所有轮廓:
cv2.drawContours(img, contours, -1, (0,255,0), 3)
绘制单个轮廓,如第四个轮廓:
cv2.drawContours(img, contours, 3, (0,255,0), 3)
但是在大多数情况下,以下方法会很有用:
cnt = contours[4]
cv2.drawContours(img, [cnt], 0, (0,255,0), 3)
注意
最后两种方法相似,但是前进时,您会发现最后一种更有用。
轮廓近似方法
轮廓近似方法是cv2.findContours
函数中的第三个参数。它实际上表示什么?
上面我们告诉轮廓是强度相同的形状的边界。它存储形状边界的(x,y)坐标。但是它会存储所有坐标吗?这取决于轮廓近似方法的不通。
近似方法有两种:
cv2.CHAIN_APPROX_NONE
: 将存储所有边界点cv2.CHAIN_APPROX_SIMPLE
: 删除所有冗余点并压缩轮廓,从而节省内存
但实际上是否需要所有这些要点吗?例如,找到了一条直线的轮廓。是否需要线上的所有点来代表该线?不,只需要该线的两个端点即可。这就是cv2.CHAIN_APPROX_SIMPLE
所做的。它删除所有冗余点并压缩轮廓,从而节省内存。
下面的矩形图像演示了此技术。只需在轮廓数组中的所有坐标上绘制一个圈(以蓝色绘制)。第一幅图像显示了用cv2.CHAIN_APPROX_NONE
获得的积分(734个点),第二幅图像显示了用cv2.CHAIN_APPROX_SIMPLE
获得的效果(只有4个点),这可以节省很多内存。