OpenCV_08轮廓查找

前言：总纲请看《计算机视觉学习路》

图像轮廓

定义：具有相同颜色或强度的连续点的曲线

轮廓的作用：

1. 用于图形分析
2. 物体识别与检测

为了检测的准确性，需要先对图像进行二值化或Canny操作

画轮廓时会修改输入的图像

查找轮廓：

findContours(img , mode , ApproximationMode...) 

mode : 查找到轮廓后，返回什么样的形式？

        RETR_EXTERNAL = 0 表示只检测外轮廓

        RETR_LIST = 1  检测的轮廓不建立等级关系

        RETR_CCOMP = 2  每层最多两级

        RETR_TREE = 3  按树形存储轮廓，从大到小返回轮廓，常用

ApproximationMode ： 近似模式

        CHAIN_APPROX_NONE  保存所有轮廓上的点

        CHAIN_APPROX_SIMPLE  只保存角点

返回值：contours（查找到的轮廓列表）和 hierarchy(轮廓有没有前后关系)

 绘制轮廓：

drawContours(img , contours , contourIdx , color, thickness...)

contourIdx : 想要绘制的轮廓的索引   -1表示所有轮廓

thickness    线宽，-1是全部填充

import cv2
import numpy as np

img = cv2.imread('../img/contours1.jpeg')
# 转变成单通道
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化
ret, bin = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
cv2.imshow('bin',bin)
# 轮廓查找
contours,hierarchy = cv2.findContours(bin,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

print(contours)  # 打印出找到的角点

# 绘制轮廓,可以在bin上绘制，也可以在img绘制,需要注意的是img是三通道。bin是单通道
cv2.drawContours(img,contours,-1,(0,0,255),2)
cv2.imshow('contours',img)

cv2.waitKey(0)

 轮廓的面积和周长

contourArea(contour)

arcLength(curve , closed)  # curve就是contours ， closed=true闭合，false不闭合

比如想查看最大的轮廓的周长和面积：

# 计算面积
area = cv2.contourArea(contours[0])
print('area = %d'% area)

# 计算周长
len = cv2.arcLength(contours[0],True)
print('len = %d'%len)

 

多边形逼近与凸包

approxPolyDP(curve , epsilon , closed)

curve:轮廓  epsilon : 精度  closed是否是闭合

convexHull(points , clockwise..)

points轮廓  clockwise = true顺时针， false逆时针

 如下图，红色边界是findConturs绘制的，绿色的线是多边形逼近绘制的，可以用较少的点绘制出大体轮廓，减少计算量，提高精度epsilon的值可以增加点，使边沿拟合更平滑

下面这个绿色的曲线是凸包 

 

总体代码如下：

import cv2
import numpy as np


# 定义一个函数，连接appros里面的点
def drawShape(src, points):
    i = 0
    while i < len(points):
        if i == len(points) - 1:
            x, y = points[i][0]
            x1, y1 = points[0][0]
            cv2.line(src, (x, y), (x1, y1), (0, 255, 0), 2)
        else:
            x, y = points[i][0]
            x1, y1 = points[i + 1][0]
            cv2.line(src, (x, y), (x1, y1), (0, 255, 0), 2)
        i = i + 1


img = cv2.imread('../img/hand.png')
# 转变成单通道
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化
ret, bin = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
cv2.imshow('img', img)
# 轮廓查找
contours, hierarchy = cv2.findContours(bin, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

print(contours)  # 打印出找到的角点

# 绘制轮廓,可以在bin上绘制，也可以在img绘制,需要注意的是img是三通道。bin是单通道
cv2.drawContours(img, contours, -1, (0, 0, 255), 2)

# 多边形逼近
e = 20  # 精度
appros = cv2.approxPolyDP(contours[0], e, True)
drawShape(img, appros)
print('appros=',appros)

# 凸包
hull = cv2.convexHull(contours[0])
drawShape(img,hull)

cv2.imshow('result', img)

cv2.waitKey(0)

外接矩形

最小外接矩形

minAreaRect(points)   # 返回值：RotateRect 带有角度的矩形

最大外接矩形

boundingRect(array)  # 返回Rect

 如下图，红色是最小外接矩形，带有角度，蓝色是最大外接矩形

import cv2
import numpy as np


# 定义一个函数，连接appros里面的点
def drawShape(src, points):
    i = 0
    while i < len(points):
        if i == len(points) - 1:
            x, y = points[i][0]
            x1, y1 = points[0][0]
            cv2.line(src, (x, y), (x1, y1), (0, 255, 0), 2)
        else:
            x, y = points[i][0]
            x1, y1 = points[i + 1][0]
            cv2.line(src, (x, y), (x1, y1), (0, 255, 0), 2)
        i = i + 1


img = cv2.imread('../img/hello.jpeg')
# 转变成单通道
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化
ret, bin = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
cv2.imshow('img', img)
# 轮廓查找
contours, hierarchy = cv2.findContours(bin, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
print('contours = ', contours)

# 绘制最小外接矩阵
r = cv2.minAreaRect(contours[1])
# 取出r中不包含角度的部分并且转换为int
box = cv2.boxPoints(r)
box = np.int0(box)
cv2.drawContours(img, [box], 0, (0, 0, 255, 3))

# 绘制最大矩形
x, y, w, h = cv2.boundingRect(contours[1])
cv2.rectangle(img, (x, y), (x+w, y+h),(255,0,0))

cv2.imshow('result', img)

cv2.waitKey(0)