首先,该示例仅向您展示如何使用简单近似绘制轮廓.请记住,即使您使用简单近似绘制轮廓,也会将其视为具有完全围绕矩形绘制的蓝色轮廓,如左图所示.只需将轮廓绘制到图像上,您将无法获得正确的图像.此外,您想比较两组轮廓 – 右侧的简化版本及左侧的完整表示.具体来说,您需要使用cv2.CHAIN_APPROX_NONE替换cv2.CHAIN_APPROX_SIMPLE标志以获取完整表示.有关更多详细信息,请查看findContours上的OpenCV文档:
http://docs.opencv.org/modules/imgproc/doc/structural_analysis_and_shape_descriptors.html#findcontours
此外,即使您将轮廓绘制到图像上,它也不会显示结果.你需要拨打cv2.imshow.但是,绘制轮廓本身并不会显示完整版和简化版之间的区别.教程提到你需要在每个轮廓点绘制圆圈,所以我们不应该使用cv2.drawContours来完成这项任务.你应该做的是提取轮廓点并在每个点绘制圆圈.
因此,创建两个图像,如下所示:
# Your code
import numpy as np
import cv2
im = cv2.imread('test.jpg')
imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(imgray,127,255,0)
## Step #1 - Detect contours using both methods on the same image
contours1, _ = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
contours2, _ = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
### Step #2 - Reshape to 2D matrices
contours1 = contours1[0].reshape(-1,2)
contours2 = contours2[0].reshape(-1,2)
### Step #3 - Draw the points as individual circles in the image
img1 = im.copy()
img2 = im.copy()
for (x, y) in contours1:
cv2.circle(img1, (x, y), 1, (255, 0, 0), 3)
for (x, y) in contours2:
cv2.circle(img2, (x, y), 1, (255, 0, 0), 3)
请注意,上面的代码适用于OpenCV 2.对于OpenCV 3,cv2.findContours还有一个输出,这是第一个在这种情况下可以忽略的输出:
_, contours1, _ = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
_, contours2, _ = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
现在让我们慢慢地浏览代码.代码的第一部分就是您提供的内容.现在我们进入新的领域.
步骤#1 – 使用两种方法检测轮廓
使用阈值图像,我们使用完整和简单近似检测轮廓.它存储在两个列表中,contours1和contours2.
步骤#2 – 重塑为2D矩阵
轮廓本身存储为NumPy数组列表.对于提供的简单图像,应该只检测到一个轮廓,因此提取出列表的第一个元素,然后使用numpy.reshape将3D矩阵重新整形为它们的2D形式,其中每一行是(x,y)点.
步骤#3 – 将点绘制为图像中的各个圆圈
下一步是从每组轮廓中取出每个(x,y)点并在图像上绘制它们.我们以彩色形式制作原始图像的两个副本,然后我们使用cv2.circle并迭代两组轮廓的每对(x,y)点并填充两个不同的图像 – 每组轮廓一个.
现在,要获得上面看到的数字,有两种方法可以做到这一点:
>创建一个将这两个结果并排存储的图像,然后显示该组合图像.
>使用matplotlib,结合子图和imshow,以便在一个窗口中显示两个图像.
我将告诉你如何使用这两种方法来做到这一点:
方法#1
只需将两个图像并排堆叠,然后显示图像:
out = np.hstack([img1, img2])
# Now show the image
cv2.imshow('Output', out)
cv2.waitKey(0)
cv2.destroyAllWindows()
我将它们水平堆叠,以便它们是组合图像,然后用cv2.imshow显示.
方法#2
import matplotlib.pyplot as plt
# Spawn a new figure
plt.figure()
# Show the first image on the left column
plt.subplot(1,2,1)
plt.imshow(img1[:,:,::-1])
# Turn off axis numbering
plt.axis('off')
# Show the second image on the right column
plt.subplot(1,2,2)
plt.imshow(img2[:,:,::-1])
# Turn off the axis numbering
plt.axis('off')
# Show the figure
plt.show()
这应该在整个图形窗口内的单独子图中显示两个图像.如果你看一下我在这里调用imshow的方式,你会发现我正在交换RGB通道,因为OpenCV以BGR格式读取图像.如果要使用matplotlib显示图像,则需要反转通道,因为图像是RGB格式(应该是这样).
要在注释中解决您的问题,您可以采用所需的轮廓结构(轮廓1或轮廓2)并搜索轮廓点.轮廓是所有可能轮廓的列表,并且在每个轮廓内是3D矩阵,其形状为N×1×2格式. N将是表示轮廓的点的总数.我将删除单个第二维,因此我们可以将其设为N x 2矩阵.另外,让我们现在使用轮廓的完整表示:
points = contours1[0].reshape(-1,2)
我将假设您的图像只有一个对象,因此我索引到指数为0的contours1.我解开矩阵使其成为单行向量,然后重新整形矩阵使其变为N x 2.接下来,我们可以通过以下方式找到最低点:
min_x = np.argmin(points[:,0])
min_point = points[min_x,:]
np.argmin在您提供的数组中查找最小值的位置.在这种情况下,我们希望沿x坐标或列操作.一旦找到这个位置,我们只需索引到我们的2D轮廓点阵列并提取出轮廓点.