第12章 图像轮廓 -- 12.1 查找图像轮廓 cv2.findContours()，绘制图像轮廓 cv2.drawContours()

《OpenCV 轻松入门 面向Python》 学习笔记

• 边缘：上一章学习的边缘检测。边缘检测虽能过检测出边缘，但边缘不是连续的，检测到的边缘并不是一个整体。
• 轮廓：图像轮廓是指将边缘连接起来形成一个整体，用于后续的计算。

opencv 提供了查找图像轮廓的函数 cv2.findContours()，和 绘制图像轮廓的函数cv2.drawContours()

---

查找图像轮廓 cv2.findContours()

函数原型：

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

返回值：

• image：与函数参数中的原始图像image一致。返回的轮廓
• contours：返回的轮廓
• hierarchy：图像的拓扑信息（轮廓层次）

参数：

• image：原始图像， 8位单通道图像。所有非0值被处理为1，所有0值保持不变。也就是说灰度图像会自动被处理成二值图像。
• mode：轮廓的检索模式
• method：轮廓的近似方法

函数cv2.findContours()的返回值及参数的含义比较丰富，下面逐一作出说明。

---

1. 返回值 image

该返回值与参数image是一样的，就是原始输入图像。在openCV 4.X中，该返回值已经被取消，只有contours, hierarchy两个返回值。函数格式为：
contours, hierarchy = cv2.findContours(image, mode, method)

---

2. 返回值 contours

返回值 contours 返回的是一组轮廓信息，包含:

• n 个轮廓：第i个轮廓表示为 contours[i]，数据类型是 list
• 以及每个轮廓由若干个点构成：第i个轮廓内的第j个点表示为 contours[i][j] ， 数据类型是ndarray。

比如如下图像：

# 轮廓的数据类型
print(type(contours))    # <class 'list'>

# 轮廓的个数
print(len(contours))      # 3 

# 轮廓中每个轮廓元素的数据类型
print(type(contours[0]))    # <class 'lumpy. nndarray'>

# 组成轮廓的点的个数
print(len(contours[0]))     # 4 
print(len(contours[1]))     # 60 
print(len(contours[2]))     # 184 
print(contours[0].shape)     # (4, 1, 2) 
print(contours[0].shape)     # (60, 1, 2) 
print(contours[0].shape)     # (184, 1, 2) 

# 轮廓内的点
print(contours[0]) 
							# [[[79, 270]]
							#  [[79, 383]]
							#  [[195, 383]]
							#  [[195, 270]]]

---

3. 返回值 hierarchy

图像的轮廓可能位于不同的位置，若果一个轮廓位于另一个轮廓的内部，我们就称外部的轮廓为父轮廓， 里面的轮廓为子轮廓。这种关系被称为层次。

每个轮廓（contours[i]）对应4个元素来说明当前轮廓的层次关系：[Nest, Previous, First_Child, Parent]

Nest：后一个轮廓的索引编号
Previous：前一个轮廓的索引编号
First_Child：第一个字轮廓的索引编号
Parent：父轮廓的索引编号
如果上述各个参数所对应的关系为空时， 也就是没有对应关系时，用 -1 表示

使用打印语句 print(hierarchy) 查看hierarchy 的值。

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，得到的轮廓编号是不一样的，得到的hierarchy也是不一样的。

---

4. 参数 image

输入图像，其必须是8位单通道灰度二值图。一般情况下，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。

---

5. 参数 mode

参数 mode 决定了轮廓的提取方式：

• cv2.RETR_EXTERNAL：只检测外轮廓。
• cv2.RETR_LIST：对检测到的外轮廓不建立等级关系
• cv2.CCOMP：检索所有轮廓，并将他们组织成两级层次结构。
• cv2.Tree：建立一个等级树结构的轮廓

---

6. 参数 method

参数 method 决定了如何表达轮廓：

• cv2.CHAIN_APPROX_NONE:存储所有的轮廓点
• cv2.CHAIN_APPROX_SIMPLE:压缩水平，垂直和对角线段，只留下端点。 例如矩形轮廓可以用4个点编码。
• cv2.CHAIN_APPROX_TC89_L1, cv2.CHAIN_APPROX_TC89_KCOS: 使用Teh-Chini chain近似算法

---

7. 注意：

(1) 待处理的原图像必须是灰度二值图。一般情况下，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。

(2)在opencv中，都是从黑色背景中查找白色对象。对象必须是白的，背景必须是黑的。

(3)在openCV 4.X中，返回值image已经被取消，只有contours, hierarchy两个返回值。函数格式为：contours, hierarchy = cv2.findContours(image, mode, method)

---

绘制图像轮廓 cv2.drawContours()

函数原型：

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

参数：

• image：原图像。cv2.drawContours() 函数会直接在原图像上绘制轮廓，也就是说会改变原图。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 cv2.drawContours() 函数使用。
• contours：轮廓点，函数cv2.findContours()的第一个返回值
• contourIdx：轮廓的索引，表示绘制第几个轮廓，-1表示绘制所有的轮廓
• color：绘制轮廓的颜色
• thickness:（可选参数）轮廓线的宽度，-1表示填充
• lineType:（可选参数）轮廓线型，包括cv2.LINE_4,cv2.LINE_8（默认）,cv2.LINE_AA,分别表示4邻域线，8领域线，抗锯齿线（可以更好地显示曲线）
• hierarchy:（可选参数）层级结构，上述函数cv2.findContours()的第二个返回值，配合- maxLevel参数使用
• maxLevel:（可选参数）等于0表示只绘制contourIdx指定的轮廓，等于1表示绘制contourIdx指定轮廓及其下一级子轮廓，等于2表示绘制contourIdx指定轮廓及其所有子轮廓
• offset:（可选参数）轮廓点的偏移量

---

举例：

import cv2

o = cv2.imread("/Users/manmi/Desktop/contours.bmp")
cv2.imshow('original_image', o)
gray = cv2.cvtColor(o, cv2.COLOR_BGR2GRAY)
threshold, binary_img = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

image, contours, hierrarchy = cv2.findContours(binary_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
o = cv2.drawContours(o, contours, -1, (0, 0, 255), 5)

cv2.imshow('contours_image', o)
cv2.waitKey()
cv2.destroyAllWindows()

输出：