图像轮廓（一）【OpenCV&Python】

0 引言

🍔小小搬运工，一边搬运一边思考
参考书籍 《OpenCV轻松入门——面向Python李立宗著，电子工业出版社出版

边缘检测虽然能够检测出轮廓，但边缘是不连续的，检测到的边缘并不是一个整体。图像轮廓是指将边缘连接起来形成的整体，用于后续的计算。

OpenCV提供了查找轮廓的函数cv2.findContours()，该函数能够查找图像轮廓内的信息，而函数cv2.drawContours()函数能够将轮廓绘制出来。

图像轮廓是图像中非常重要的一个特征信息，通过对图像轮廓的操作，我们能够获取目标图像的大小、位置、方向等信息。

1 查找并绘制轮廓

1.1 查找图像轮廓：findContours函数

函数findContours用于查找图像的轮廓，并能够根据参数返回特定方式的轮廓。其语法格式为：

image,contours,hierarchy = cv2.fingContours(image,mode,method)
# 返回值image:与函数参数中的原始图像image一致
# 返回值contours:返回的轮廓
# 返回值hierarchy:图像的拓普信息（轮廓层次）
# 参数image:原始图像。8位单通道图像，所有非零值被处理为1，所有零值保持不变。也就是说灰度图像会被自动处理成二值图像。在实际操作中，可以根据需要，预先使用阈值处理等函数，将待查找轮廓的图像处理为二值图像。
# mode：轮廓检索方式
# method：轮廓的近似方法

1、返回值image

在OpenCV 4.X中，函数cv2.findContours()仅有两个返回值，其语法格式为：

contours,hierarchy = cv2.findContours(image,mode,method)

2、返回值contours

该返回值返回的是一组轮廓信息，每个轮廓都是由若干个点所构成的。例如，contour是[i]是第i个轮廓（下标从0开始），contours[i][j]是第i个轮廓内的第j个点。
（1）type属性

print(type(contours)) # 获取轮廓contours的类型
print(type(contours[0])) # 获取轮廓contours中每个元素的类型

（2）轮廓的个数

print(len(contours))  # 获取轮廓的个数

（3）每个轮廓的点数

print(len(contours[0])) # 打印第0个轮廓的长度（点的个数）
print(contours[0].shape) # 获取轮廓每个轮廓内点的shape属性

（4）轮廓内的点

print (contours[0]) # 打印第0个轮廓中的像素点

3、返回值hierarchy

图像内的轮廓位于不同的位置，将外部的轮廓称为父轮廓，内部的轮廓称为子轮廓。这样，一幅图像的轮廓就建立了父子关系。上述关系就被称为层次（组织结构）。

print(hierarchy) # 查看hierarchy的值，轮廓的层次结构由参数mode决定
[Next，Previous,First_Child,Parant] # 四个元素说明当前轮廓的层次关系
# Next：后一个轮廓的索引编号
# Previous：前一个轮廓的索引编号
# First_Child：第1个子轮廓的索引编号
# Parant：父轮廓的索引编号

如果上述参数所对应的关系为空时，则将该参数所对应的值设为"1"。

4、参数image

原始图像。8位单通道图像，所有非零值被处理为1，所有零值保持不变。也就是说灰度图像会被自动处理成二值图像。在实际操作中，可以根据需要，预先使用阈值处理等函数，将待查找轮廓的图像处理为二值图像。

5、参数mode

参数mode决定了轮廓的提取方式，具体有如下4种：
（1）cv2.RETR_EXTERNAL:只检测外轮廓
（2）cv2.RETR_LIST:对检测到的轮廓不建立等级关系
（3）cv2.RETR_CCOMP:检索所有轮廓并将它们组织成两级层次结构
（4）cv2.RETR_TREE:建立一个等级树的结构

6、参数method

参数method决定了如何表达轮廓，具体如下：
（1）cv2.CHAIN_APPROX_NONE：存储所有的轮廓点，相邻两个像素位置差不超过1。
（2）cv2.CHAIN_APPROX_SIMPLE：压缩水平方向、垂直方向、对角线方向的元素，只保留该方向的终点坐标。例如，在极端的情况下，一个矩形只需要用4个点来保存轮廓信息。
（3）cv2.CHAIN_APPROX_TC89_L1：使用teh-Chinl chain近似算法的一种风格。
（4）cv2.CHAIN_APPROX_TC89_KCOS:使用teh-Chinl chain近似算法的一种风格。
注意：
待处理的源图像必须是灰度二值图。因此，在通常情况下，都要预先对图像进行阈值分割或者边缘检测，得到满意的二值图像后再将其作为参数使用。
在OpenCV中，都是从黑色背景中查找白色对象。因此，对象必须是白色的，背景必须是黑色的。

1.2 绘制图像轮廓：drawContours函数

在OpenCV中，可以使用函数cv2.drawContours()绘制图像轮廓。该函数的语法格式是：

image = cv2.drawContours(
image,
contours,
contourIdx,
color[,
thickness[,
lineType[,
hierarchy[,
maxLevel[,
offset]]]]])
# 返回值image表示目标图像，即绘制了边缘的原始图像。
# 参数image：待绘制轮廓的图像。函数cv2.drawContours会在图像image上直接绘制轮廓，若有其他用途，需要预先复制一份，将该副本图像传递给函数cv2.drawContours()使用。
# 参数contours：需要绘制的轮廓。该参数的类型与函数cv2.findContours()的输出contours相同，都是list类型。
# 参数contourIdx：需要绘制的边缘索引，告诉函数cv2.drawContours()要绘制某一条轮廓还是全部轮廓。如果该参数是一个整数或者为0，则表示绘制对应索引号的轮廓；如果该值为负值(-1),则表示绘制全部轮廓。
# 参数color：绘制的颜色，用BGR格式表示。
# thickness:可选参数，表示绘制轮廓时所用画笔的粗细，如将该值设置为"-1",则表示要绘制实心轮廓。
# lineType:可选参数，表示绘制轮廓时所用的线型。
# hierarchy:对应函数cv2.findContours()所输出的层次信息。
# maxLevel:控制所控制的轮廓层次的深度。如果值为0，表示仅仅绘制第0层的轮廓；如果值为其他的非零正数，表示绘制最高层及以下的相同数量层级的轮廓。
# offset： 偏移参数。该参数使轮廓偏移到不同的位置展示出来。

1.3 轮廓实例

例1：绘制一幅图像内的所有轮廓。
将cv2.drawContours()的参数contourIdx的值设置为“-1”。

import cv2
o = cv2.imread("C:\\Users\\Kris\\Desktop\\timg.jpg")
cv2.imshow("original",o)
gray = cv2.cvtColor(o,cv2.COLOR_BGR2GRAY) 
ret,binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
contours,hierarchy = cv2.findContours(binary,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE) # 根据版本确定是否返回image
o = cv2.drawContours(o,contours,-1,(0,0,255),5) 
# -1代表轮廓索引，BGR(0,255,255)代表红色，5代表参数thickness的轮廓粗细
cv2.imshow("result",o)
cv2.waitKey()
cv2.destroyAllWindows()  

运行程序，结果显示如下。

例2：逐个显示一幅图像内的边缘信息。
将cv2.drawContours()的参数contourIdx的值设置为具体的索引值。

import cv2
import numpy as np
o = cv2.imread("C:\\Users\\Kris\\Desktop\\timg.jpg")
cv2.imshow("original",o)
gray = cv2.cvtColor(o,cv2.COLOR_BGR2GRAY) 
ret,binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
contours,hierarchy = cv2.findContours(binary,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
n = len(contours)
con