1 cv2.findContours()
OpenCV-Python接口中使用cv2.findContours()函数来查找检测物体的轮廓。
cv2.findContours(image, mode, method, contours=None, hierarchy=None, offset=None)
| 参数 | 描述 | 返回 |
| image | 寻找轮廓的图像，注意输入的图片必须为二值图片。若输入的图片为彩色图片，必须先进行灰度化和二值化 | opencv2返回两个值：一个是轮廓本身contours，还有一个是每条轮廓对应的属性hierarchy。 opencv3返回三个值：img, countours, hierarchy |
| mode | 轮廓的检索模式，有4种 | |
| method | 轮廓的近似办法，有4种 | |
| contours | 使用findContours检测到的轮廓数据，每个轮廓以点向量的形式存储，point类型的vector | |
| hierarchy | 可选层次结构信息 | |
| offset | 可选轮廓偏移参数，用制定偏移量offset=(dx, dy)给出绘制轮廓的偏移量 |
- 轮廓的检索模式：
| mode | 描述 |
| cv2.RETR_EXTERNAL | 只检测外轮廓 |
| cv2.RETR_LIST | 提取所有轮廓，并放置在list中，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。如果内孔内还有一个连通物体，这个物体的边界也在顶层。 |
| cv2.RETR_TREE | 检测所有轮廓，建立完整的层次结构，建立网状轮廓结构 |
- 轮廓的近似办法
| method | 描述 |
| cv2.CHAIN_APPROX_NONE | 获取每个轮廓的每个像素，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，值保留该方向的重点坐标，如果一个矩形轮廓只需4个点来保存轮廓信息 |
| cv2.CHAIN_APPROX_TC89_L1 | 使用Teh-Chini chain近似算法 |
| cv2.CHAIN_APPROX_TC89_KCOS | 使用Teh-Chini chain近似算法 |
1.1 contour返回值
cv2.findContours()函数首先返回一个list，list中每个元素都是图像中的一个轮廓信息，list中每个元素(轮廓信息)类型为ndarray。len(contours[1]) 表示第一个轮廓储存的元素个数，即该轮廓中储存的点的个数。
1.2 hierarchy返回值
该函数还可返回一个可选的hiararchy结果，这是一个ndarray，其中的元素个数和轮廓个数相同，每个轮廓contours[i]对应4个hierarchy元素hierarchy[i][0] ~hierarchy[i][3]，分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号，如果没有对应项，则该值为-1。
- 第一个数：表示同一级轮廓的下个轮廓的编号，如果这一级轮廓没有下一个轮廓，一般是这一级轮廓的最后一个的时候，则为-1。
- 第二个数：表示同一级轮廓的上个轮廓的编号，如果这一级轮廓没有上一个轮廓，一般是这一级轮廓的第一个的时候，则为-1。
- 第三个数：表示该轮廓包含的下一级轮廓的第一个的编号，假如没有，则为-1。
- 第四个数： 表示该轮廓的上一级轮廓的编号，假如没有上一级，则为-1。
1.3 栗子
img：
- 以一个参数去接收返回值，则该参数会接收三个返回值
import cv2
img = cv2.imread('../../DAVIS-2016/Annotations/1080p/flamingo/00007.png', 0)
img = cv2.resize(img, (16, 16))
returns = cv2.findContours(img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
print(len(returns))
print(type(returns))
# results
3
<class 'tuple'>
可以看出，returns的长度为3， 说明returns接受3个值，这是由于opencv3版本中的cv2.findContours()函数的返回了3个值，都是元组类型，故以一个参数去接收，那么就会接收3个值。(opencv2版本中只返回两个值）。
-
以两个参数去接收返回值，会出错。
import cv2
img = cv2.imread('../../DAVIS-2016/Annotations/1080p/flamingo/00007.png', 0)
img = cv2.resize(img, (16, 16)) # 为了方便显示，调整下尺寸
# print(img.shape)
return1, return2 = cv2.findContours(img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# print(returns)
# print(len(returns))
# print(type(returns))
# results
ValueError: too many values to unpack (expected 2)
可以看出，代码执行错误。ValueError: too many values to unpack (expected 2)
- 以三个参数去接收返回值，每个参数各接收一个返回值
import cv2
img = cv2.imread('../../DAVIS-2016/Annotations/1080p/flamingo/00007.png', 0)
img = cv2.resize(img, (16, 16))
# print(img.shape)
image, contours, hierarchy = cv2.findContours(img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
print(image)
print(contours)
print(hierarchy)
输出结果：
[[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 255 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 255 255 0 255 255 0 0 0]
[ 0 0 0 0 0 0 0 255 255 255 0 0 0 0 0 0]
[ 0 0 0 0 0 0 255 255 255 0 255 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 255 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
[ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]]
[array([[[ 8, 10]]], dtype=int32), array([[[11, 5]],
[[12, 5]]], dtype=int32), array([[[ 9, 4]],
[[ 6, 7]],
[[ 8, 7]],
[[ 9, 6]],
[[10, 7]],
[[ 9, 6]]], dtype=int32)]
[[[ 1 -1 -1 -1]
[ 2 0 -1 -1]
[-1 1 -1 -1]]]
- 第一个返回值，返回了所处理的图像
- 第二个返回值就是我们要找的轮廓的点集
print(type(contours)) # 输出为：<class 'list'>
print(type(contours[0])) # 输出为：<class 'numpy.ndarray'>
print(len(contours)) # 图像中轮廓的数量，输出为：3
print(len(contours[0])) # 轮廓0中的元素（点）的数量，输出为：1
# results
<class 'list'>
<class 'numpy.ndarray'>
3
1
- 第三个返回值为各层轮廓的索引
print(hierarchy)
# results
[[[ 1 -1 -1 -1]
[ 2 0 -1 -1]
[-1 1 -1 -1]]]
具体意义不做解释，可查看1.2，自行理解。
2 cv2.drawContours()
OpenCV中通过cv2.drawContours在图像上绘制轮廓。
cv2.drawContours(image, contours, contourIdx, color, thickness=None, lineType=None, hierarchy=None, maxLevel=None, offset=None)
| 参数 | 描述 | 返回值 |
| image | 需要绘制轮廓的目标图像，注意会改变原图 | 绘制的图像array |
| contours | 轮廓点，上述函数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表示只绘制指定的轮廓，等于1表示绘制指定轮廓及其下一级子轮廓，等于2表示绘制指定轮廓及其所有子轮廓 | |
| offset | （可选参数）轮廓点的偏移量 |
3 实例
- 读入的为二值图
import cv2
import numpy as np
# 读入的为二值图
img = cv2.imread('../../DAVIS-2016/Annotations/1080p/flamingo/00007.png')
img = cv2.resize(img, (224, 224))
# 灰度图
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 获取轮廓
image, contours, hierarchy = cv2.findContours(img_gray, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 创建白色幕布，画图
temp = np.ones(img_gray.shape, np.uint8) * 255
# 画轮廓：temp为白色幕布，contours为轮廓， -1表示画所有轮廓，颜色：绿色，厚度
cv2.drawContours(temp, contours, -1, (0, 255, 0), 3)
cv2.imshow('pic', img)
cv2.waitKey()
cv2.imshow('contour', temp)
cv2.waitKey()
结果：
- 读入RGB图像：灰度化、二值化
原图：
import cv2
import numpy as np
# 读入RGB图像图像
img = cv2.imread('../../DAVIS-2016/JPEGImages/1080p/flamingo/00007.jpg')
img = cv2.resize(img, (224, 224))
# 灰度化
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化
ret, binary = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY)
# 获取轮廓
image, contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 白色幕布
temp = np.ones(img_gray.shape, np.uint8) * 255
# 绘制轮廓，在白色幕布上绘制，也可以在原图上绘制
cv2.drawContours(temp, contours, -1, (0, 0, 255), 3)
cv2.imshow('img', img) # 原图
cv2.waitKey()
cv2.imshow('gray', img_gray) # 灰度图
cv2.waitKey()
cv2.imshow('binary', binary) # 二值图
cv2.waitKey()
cv2.imshow('result', temp)
cv2.waitKey()
结果：
- 在白色幕布上绘制
- 在原图上绘制
参考：
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
