python-OpenCV轻松入门-图像轮廓

---

前言

随着人工智能的不断发展，OpenCV这门技术也越来越重要，很多人都开启了学习OpenCV，本文就介绍了OpenCV的基础内容。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、图像轮廓是什么？

轮廓是一系列相连的点组成的曲线，代表了物体的基本外形。
谈起轮廓不免想到边缘，它们确实很像。简单的说，轮廓是连续的，边缘并不全都连续。
其实边缘主要是作为图像的特征使用，比如可以用边缘特征可以区别脸和手；而轮廓主要用来分析物体的形态，比如物体的周长和面积等，可以说边缘包括轮廓。
mode:
cv2.RETR_EXTERNAL 只检测外轮廓
cv2.RETR_LIST检测的轮廓不建立等级关系
cv2.RETR_CCOMP建立两个等级的轮廓
cv2.RETR_TREE建立一个等级树结构的轮廓
method:
cv2.CHAIN_APPROX_NONE存储所有的轮廓点
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，例如一个矩形轮廓只需4个点来保存轮廓信息。

图像轮廓示意图如下：

二、使用步骤

1.获取图像轮廓

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

代码如下（示例）：

 #!/usr/bin/env python
 # -*- coding: utf-8 -*-
 #author：Kong DeXing
 #案例:Fu Xianjun. All Rights Reserved.
import cv2
import numpy as np
img = cv2.imread('shape.jpg')    #读取图像
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #转为灰度值图
ret, binary = cv2.threshold(gray,220,255,cv2.THRESH_BINARY) #转为二值图
contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,\
                                       cv2.CHAIN_APPROX_NONE) #寻找轮廓
n=len(contours)       #轮廓个数
print(n)
print(len(contours[0]))       #轮廓0像素数目
print(len(contours[1]))       #轮廓1像素数目
print(len(contours[2]))       #轮廓2像素数目
print(len(contours[3]))       #轮廓3像素数目

4
1996
396
672
580

2.绘制图像轮廓

convexityDefects = cv2.convexityDefects( contour, convexhull)

代码如下（示例）：

 #!/usr/bin/env python
 # -*- coding: utf-8 -*-
 #author：Kong DeXing
 #案例:Fu Xianjun. All Rights Reserved.
import cv2
import numpy as np
img = cv2.imread('shape.jpg')    #读取图像
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #转为灰度值图
ret, binary = cv2.threshold(gray,220,255,cv2.THRESH_BINARY) #转为二值图
contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,\
                                       cv2.CHAIN_APPROX_NONE) #寻找轮廓
n=len(contours)       #轮廓个数
contoursImg=[]
for i in range(n):
    temp=np.zeros(img.shape,np.uint8) #生成黑背景
    contoursImg.append(temp)
    contoursImg[i]=cv2.drawContours(contoursImg[i],contours,i,(255,255,255), 3)  #绘制轮廓
    cv2.imshow("contours[" + str(i)+"]",contoursImg[i])   #显示轮廓
cv2.waitKey()
cv2.destroyAllWindows()

提示：这里省略了三张图，性质差不多，注重理解

3.实物轮廓检测

retval = cv2.isContourConvex( contours)

代码如下（示例）：

 #!/usr/bin/env python
 # -*- coding: utf-8 -*-
 #author：Kong DeXing
 #案例:Fu Xianjun. All Rights Reserved.
import cv2
import numpy as np
img = cv2.imread('pig.jpg')
cv2.imshow("img",img)   #显示原图像
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)      #转为灰度图
ret, binary = cv2.threshold(gray,245,255,cv2.THRESH_BINARY_INV)  #转为二值图
cv2.imshow("binary" ,binary)        #显示二值化结果
contours, hierarchy = cv2.findContours(binary,cv2.RETR_LIST,cv2.CHAIN_APPROX_NONE)#寻找轮廓
mask=np.zeros(img.shape,np.uint8)  #生成黑背景，即全为0
mask=cv2.drawContours(mask,contours,-1,(255,255,255),-1)  #绘制轮廓，形成掩膜
cv2.imshow("mask" ,mask)        #显示掩膜
result=cv2.bitwise_and(img,mask)   #按位与操作，得到掩膜区域
cv2.imshow("result" ,result)     #显示图像中提取掩膜区域
cv2.waitKey()
cv2.destroyAllWindows()

---

总结

以上就是今天要讲的内容，本文仅仅简单介绍了OpenCV图像轮廓的使用，而图像轮廓提供了大量能使我们快速便捷地处理数据的函数和方法。