python opencv轮廓检测_OpenCV 轮廓检测

在计算机视觉中，轮廓检测是另一个比较重要的任务。它包含的操作有计算矩形边界、圆形边界、多边形边界等等。

我们以下面的黑猫图为例来讲解如何利用OpenCV进行轮廓检测。

原图有点大，可以预先压缩一下方便屏幕显示：import cv2

import numpy as np

img0 = cv2.imread("cat.jpg")

#img = cv2.pyrUp(img)#面积放大4倍

img0 = cv2.pyrDown(img0)#原图有点大，面积缩小到1/4

要做轮廓检测，背景须是黑色的灰度图，我们先来个黑白颠倒：img =255- img0 #黑白颠倒，视情况（白色（亮）背景则需要颠倒，使背景变黑色

紧接着转灰度图：gray = cv2.cvtColor(img.copy(), cv2.COLOR_BGR2GRAY) #转灰度图。防止后续更改了原图，函数参数使用原图的拷贝

然后转二值图：#threshold(src, thresh, maxval, type[, dst]) -> retval, dst

ret, thresh = cv2.threshold( gray, 100, 255,cv2.THRESH_BINARY) #转二值图,亮度小于100的变为0，打于的变为255

cv2.imshow("binary", thresh)

我们可以看到，原图底部灰色的文字在转二值图的时候被过滤掉了，不参与轮廓检测。

此时，我们可以检测轮廓点集（图中绿色的外边界点）#2个返回值，分别是轮廓的点集(contours)和各层轮廓的索引(hierarchy) # openCV 4 , 否则注意版本差异！

contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

之后，我们可以循环求得图形各部分的矩形轮廓线：for c in contours: #对于每一个轮廓

#无倾斜的 边界矩形框

x, y, w, h = cv2.boundingRect(c)

cv2.rectangle(img0, (x,y), (x+w, y+h), (255,0,0), 2) # 颜色均为（B,G,R)模式

cv2.imshow("contours", img0)

图中有些过小的轮廓也显示出来了，我们可以加点尺寸限制，将它们过滤掉：W,H = img0.shape[0], img0.shape[1]

for c in contours: #对于每一个轮廓

#无倾斜的 边界矩形框

x, y, w, h = cv2.boundingRect(c)

if w>0.1 *W and h >0.1*H:

cv2.rectangle(img0, (x,y), (x+w, y+h), (255,0,0), 2) # 颜色均为（B,G,R)模式

我们可以循环求得图形各部分的最小矩形轮廓线：W,H = img0.shape[0], img0.shape[1]

for c in contours: #对于每一个轮廓 # 可倾斜的最小边界矩形框

rect = cv2.minAreaRect(c)

box = cv2.boxPoints(rect)#计算出来的顶点，浮点型

box = np.int0(box) #4个顶点坐标转化为整数

#过滤太小的

d = np.linalg.norm(box[0]-box[2]) #对角线长度

if d> 0.075* np.sqrt(W**2+H**2):

cv2.drawContours(img0, [box], 0, (0,0,255),2)

cv2.imshow("contours", img0)

我们可以循环求得图形各部分的最小闭圆轮廓线：W,H = img0.shape[0], img0.shape[1]

for c in contours: #对于每一个轮廓 #最小边界圆

(x,y) , radius = cv2.minEnclosingCircle(c)

center, radius = (int(x), int(y)) , int(radius)

if radius > 0.05* np.sqrt(W**2+H**2):

cv2.circle(img0, center, radius, (255,255,0),3)

cv2.imshow("contours", img0)

我们可以循环求得图形各部分的多边形轮廓线：for c in contours: #对于每一个轮廓

epsilon = 0.001*cv2.arcLength(c, True) #epsilon为近似轮廓多边形周长与原轮廓周长的最大差值

approxPloy = cv2.approxPolyDP(c, epsilon, True) #True表示 多边形封闭

cv2.polylines(img0, [approxPloy], True, (255, 0, 255), 2) #

cv2.imshow("contours", img0)

通常我们会计算凸多边线轮廓：#凸轮廓需要先加上下面这句

hull = cv2.convexHull(c) # 计算凸轮廓多变形时需要先处理轮廓