图像轮廓——findContours和drawContours、逼近多边形approxPolyDP

一、图像轮廓

图像轮廓是指将边缘连接起来形成的一个整体，用于后续计算。

# 轮廓发现：基于阈值化
def contours_demo(image):
    # dst = cv.GaussianBlur(image,(3,3),0)
    # gray = cv.cvtColor(dst, cv.COLOR_RGB2GRAY)
    # ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
    # cv.imshow('binary image', binary)
    binary = edge_demo(image)
    # findContours：发现轮廓；
    """
    findContours(image, mode, method, contours=None, hierarchy=None, offset=None)
        image：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
        mode：轮廓检索模式，如RETR_EXTERNAL只检测外轮廓
        method：轮廓的近似方法，如CHAIN_APPROX_SIMPLE压缩水平方向、垂直方向、对角线方向的元素，只保留该方向上的终点坐标。
        contours：检测到的轮廓。每条轮廓线存储为一个点的向量
        hierarchy：可选输出向量(如std::vector)，包含图像拓扑信息。它有和等高线的数量一样多
        [1,-1,-1,-1]：1表示第一个轮廓；第2位-1表示前一个轮廓不存在；第3位-1表示不存在子轮廓；第4位-1表示不存在父轮廓
        offset：每个轮廓点移动的可选偏移量。这是有用的从图像感兴趣区域提取轮廓线，然后在整个图像环境中进行分析。
    """
    contours, heriachy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
    for i, contour in enumerate(contours):
        # drawContours：绘制轮廓；contours：所有的轮廓；-1：像素，把轮廓全部填充
        """
        drawContours(image, contours, contourIdx, color, thickness=None, lineType=None, hierarchy=None, maxLevel=None, offset=None)
            image：待绘制轮廓的图像
            contours：需要绘制的轮廓
            contourIdx：需要绘制的边缘索引。一个整数或零表示绘制对应索引号的轮廓，负数表示绘制全部轮廓
            color：绘制的颜色，用BGR格式表示
            thickness：可选，表示绘制轮廓时所用画笔的粗细，-1表示绘制实心轮廓
            lineType：可选，表示绘制轮廓时所用的线型
            hierarchy：对应函数cv.findContours所输出的层次信息
            maxLevel：控制所绘制轮廓层次的深度。非零整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，使轮廓偏移到不同位置展示出来
        """
        cv.drawContours(image, contours, i, (0, 0, 255), 2)
        print(i)
    cv.imshow('detect_contours', image)

二、对象测量

1、moments函数

（1）cv.moments所返回的特征值能够用来比较两个轮廓是否相似。零阶矩“m00”表示一个轮廓的面积。

（2）中心矩通过减去均值获取平移不变性，从而忽略两个对象的位置关系，帮助比较不同位置上两个对象的一致性。

（3）归一化中心矩通过除以物体总尺寸获得缩放不变性，其提取的属性值具有平移不变性和缩放不变性，得以比较。

2、逼近多边形

原理：首先从轮廓中找到距离最远的两个点，将两点相连。接着，在轮廓上找到一个离当前直线最远的点，将该点与原有直线连成一个封闭的多边形，得到一个三角形。不断迭代，直到轮廓上所有的点到当前多边形的距离都小于函数approxPolyDP的epsilon的值。

# 轮廓分析：计算每个轮廓的弧长与面积，像素单位
def measure_object(image):
    gray = cv.cvtColor(image, cv.COLOR_RGB2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
    cv.imshow('binary image', binary)
    dst = cv.cvtColor(binary, cv.COLOR_GRAY2RGB)
    contours, hireachy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
    for i, contour in enumerate(contours):
        # contourArea：计算轮廓的面积
        area = cv.contourArea(contour)
        print('contour area : %s'%area)
        # boundingRect：绘制轮廓的矩形边界，返回矩形边界的左上角顶点坐标值及矩形边界的宽度和高度。
        x, y, w, h = cv.boundingRect(contour)
        # 宽、高比=宽度/高度
        rate = min(w, h) / max(w, h)
        print('rectangle rate : %s'% rate)
        # moments：获取轮廓特征
        mm = cv.moments(contour)
        print(type(mm))
        # 得到矩形中心位置
        cx = mm['m10'] / mm['m00']
        cy = mm['m01'] / mm['m00']
        # 对每个轮廓在原来的位置上绘制，绘制中心点
        cv.circle(image, (np.int_(cx), np.int_(cy)), 3, (0, 255, 255), -1)
        # 对每个轮廓绘制外接矩形
        cv.rectangle(image, (x, y), (x + w, y + h), (0, 0, 255), 2)
        cv.imshow('rectangle image', image)
        # approxPolyDP：获取轮廓的多边形拟合结果；epsilon4：越小越折线越逼近真实形状；closed：是否为闭合区域
        """
        approxPolyDP(curve, epsilon, closed, approxCurve=None)
            curve：轮廓
            epsilon：精度，原始轮廓的边界点与逼近多边形边界之间的最大距离
            closed：true表示多边形是封闭的，false表示多边形是不封闭的
            approxCurve：逼近多边形的点集
        """
        approxCurve = cv.approxPolyDP(contour, 4, True)  # 4才能区别出三边形和四边形
        print(approxCurve.shape)
        # 轮廓拟合
       	if approxCurve.shape[0] == 4:
            cv.drawContours(dst, contours, i, (0, 255, 0), 2)
        if approxCurve.shape[0] == 7:
            cv.drawContours(dst, contours, i, (0, 0, 255), 2)
        if approxCurve.shape[0] == 11:
            cv.drawContours(dst, contours, i, (0, 165, 255), 2)
        if approxCurve.shape[0] == 15:
            cv.drawContours(dst, contours, i, (128, 0, 128), 2)
        if approxCurve.shape[0] == 16:
            cv.drawContours(dst, contours, i, (255, 0, 0), 2)
        if approxCurve.shape[0] == 21:
            cv.drawContours(dst, contours, i, (128, 128, 0), 2)
    cv.imshow('measure_object', dst)  # dst：注意返回值


>>contour area : 7950.5
	rectangle rate : 0.992
	<class 'dict'>
	(4, 1, 2)
	
	contour area : 16218.5
	rectangle rate : 0.5625
	<class 'dict'>
	(11, 1, 2)
	
	contour area : 17186.5
	rectangle rate : 1.0
	<class 'dict'>
	(7, 1, 2)
	
	contour area : 19246.5
	rectangle rate : 0.9875776397515528
	<class 'dict'>
	(21, 1, 2)
	
	contour area : 18078.0
	rectangle rate : 0.9934640522875817
	<class 'dict'>
	(15, 1, 2)
	
	contour area : 20040.0
	rectangle rate : 0.9937888198757764
	<class 'dict'>
	(16, 1, 2)