两个轮廓间的最小距离和最大距离_OpenCV 中的轮廓应用

目录：

1. 轮廓常用函数
2. 第一个应用
3. 第二个应用

轮廓就是连接所有连续点(沿着边界)的曲线，具有相同的颜色或灰度值。轮廓是形状分析、物体检测和识别的有用工具。为了提高提取轮廓的精确度，需要先通过阈值处理或canny边缘检测将图像转换为二值图像。

在 OpenCV 中，寻找轮廓就像从黑色背景中寻找白色物体，所以要找到的物体应该是白色的，背景应该是黑色的。

只罗列和轮廓相关的几个函数没啥意思，通过两个例子可以对其用法有更深入的理解。

一、轮廓常用函数

1、查找轮廓

在二值图像中获取轮廓：

import cv2
im = cv2.imread('test.jpg')
imgray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

cv2.findContours() 函数中有三个参数：

• thresh：源图像
• cv2.RETR_TREE：表示轮廓检索模式
• cv2.CHAIN_APPROX_SIMPLE：表示轮廓近似方法

返回值为获取到的轮廓 contours 和hierarchy。contours为包含图像中所有轮廓的python列表（三维数组），每个轮廓是包含边界所有坐标点(x, y)的Numpy数组。hierarchy 是一个三维数组，它储存了所有等高线（轮廓）的层级结构，详情可以查看 1 和 2。

轮廓是具有相同灰度值的形状的边界，即一个轮廓可以看做是一个等高线。它存储形状边界的(x, y)坐标。我们可以使用第三个参数来指定是否存储形状边界的所有坐标点。

第二个参数决定 hierarchy 采取什么样的格式输出。第三个参数可以指定两个值，如果是 cv2.CHAIN_APPROX_NONE，则存储形状边界的所有坐标点。但有时我们不需要所有的点，比如一个矩形的轮廓，我们只需要矩形的四个端点就可以了。这时我们就可以传入 cv2.CHAIN_APPROX_SIMPLE，它会移除所有冗余的点并压缩轮廓，从而节省内存。

比如下面这个例子，我们标记出矩形所有轮廓点，第一张图片是使用 cv2.CHAIN_APPROX_NONE 得到的结果，一共有734个点；第二张图片是使用 cv2.CHAIN_APPROX_SIMPLE 得到的结果，只有4个点。

2、绘制轮廓

可以使用 cv2.drawContours() 函数来绘制轮廓，只要有轮廓的边界点，就可以用来绘制任何形状的轮廓。

下面是绘制轮廓的三个例子：

# To draw all the contours in an image:
cv2.drawContours(img, contours, -1, (0,255,0), 3)
# To draw an individual contour, say 4th contour: