Opencv进阶篇---轮廓检测

图像轮廓
边缘检测：只要梯度发生变化，零散的点都算作边缘
轮廓检测：一个链接的整体
cv.findContours(image,mode,method)
mode:轮廓检测模式
cv.RETR_EXTERNAL：只检测最外面的轮廓
cv.RETR_LIST：检测其所有轮廓，并将其保存到一条链表中
cv.RETR_CCOMP：检测所有的轮廓，并将它们组织为两层：顶层是各部分的外部边界，第二层时空洞的边界
cv.RETR_TREE：检测左右的轮廓，并构建嵌套轮廓的整个层次-----常用
method:轮廓逼近常用两种方法
cv.CHAIN_APPROX_NONE：以Freeman链码的方式输出轮廓，所有其他方式输出多边形（定点序列）
cv.CHAIN_APPROX_SIMPLE：压缩水平的、垂直的和斜的部分，即函数只保留他们的重点部分
逼近方法示意：

步骤检测并绘制：
1、为了更高的准确率，使用二值图像
2、轮廓绘制

src=cv.imread("E:\OpenCVTests\Samples\sample\contours.png")
gray=cv.cvtColor(src,cv.COLOR_BGR2GRAY)
ret,thresh=cv.threshold(gray,127,255,cv.THRESH_BINARY)
contours,hierarchy=cv.findContours(thresh,cv.RETR_TREE,cv.CHAIN_APPROX_NONE)
drawSrc=src.copy()#注意需要copy，否则原图会发生改变
res=cv.drawContours(drawSrc,contours,-1,(0,0,255),1)#倒数第三个参数默认为-1，表示绘制全部轮廓，指定为其他值，则在图像中进行选择单个，并且有内外圈之分；
                                                    # 最后一个参数为颜色宽度
cv.imshow("COntours",res)

简单的轮廓检测：

较为复杂的轮廓检测：

轮廓特征：
可以根据自身需要去构建其他一些衍生特征

cnt=contours[0]#当对轮廓进行特征计算时，需要取对应轮廓，设置取值
are=cv.contourArea(cnt)#面积
length=cv.arcLength(cnt,True)#周长，True表示闭合
print("Area；%s"%are)
print("Length；%s"%length)

轮廓逼近：

轮廓逼近原理：

epsilon=0.001*cv.arcLength(cnt,True)#该阈值很重要，决定了轮廓逼近的精度，可以根据检测结果适当调整
approx=cv.approxPolyDP(cnt,epsilon,True)#轮廓逼近运算，第二个值则为比较的阈值，可以自己设定，一般为周长的百分比
drawSrc1=src.copy()
dst=cv.drawContours(drawSrc1,[approx],-1,(255,0,0),3)
cv.imshow("ApproxControus",dst)

外接矩形、外接圆

x,y,w,h=cv.boundingRect(cnt)#外接矩形API
dst2=cv.rectangle(src,(x,y),(x+w,y+h),(0,255,0),2)#矩形的绘制，起点、以及长宽的指定
cv.imshow("boundingRect",dst2)

(x,y),radius=cv.minEnclosingCircle(cnt)#外接圆API
center=(int(x),int(y))
radius=int(radius)
dst3=cv.circle(src,center,radius,(0,255,0),2)
cv.imshow("boundigCirclet",dst3)