第七章：图像金字塔与轮廓检测 3-轮廓特征与近似

import cv2
import numpy as np
def cv_show(img,name):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
'''
cv2.findContours(img,mode=,method=)
mode:轮廓检测模式
RETR_EXTERNAL：只检索最外面的轮廓
RETR_LIST:检索所有的轮廓，并将其保存到一条链表当中
RETR_CCOMP：检索所有的轮廓，并将他们组织为两层：顶层是各部分的外部边界，第二层是空洞的边界
RETR_RREE（推荐）:检索所有的轮廓，并重构嵌套轮廓的整个层次
method：轮廓逼近的方法
CHAIN_APPROX_NONE：以Freeman链码的方式输出轮廓，所有其他的方法输出多边形（顶点的序列）
CHAIN_APPROX_SIMPLE：压缩水平的，垂直的和斜着的，也就是说，函数只保留他们的终点部分
'''
def cv_show(img,name):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

#为了更高的准确率，使用二值化图像
img=cv2.imread('several.jpg')
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,thresh=cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
cv_show(thresh,'thresh')

binary,contours,hierarchy=cv2.findContours(thresh,mode=cv2.RETR_TREE,method=cv2.CHAIN_APPROX_NONE)
cv_show(binary,'binary')#第一个返回值  就是二值化的结果
#直接打这个contours.shape 会报错：AttributeError: 'list' object has no attribute 'shape'
#需要转换一下
number=np.array(contours,dtype=object).shape
print(number)  #这就是点
#hierarchy是一个层级

#轮廓特征：
cnt=contours[0]
#计算面积
area=cv2.contourArea(cnt)
print(area)
#周长，True表示闭合的
C=cv2.arcLength(cnt,True)
print(C)

#轮廓近似
img=cv2.imread('contour.JPG')
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,thresh=cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
binary,contours,hierarchy=cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
cnt=contours[0]
draw_img=img.copy()
res=cv2.drawContours(draw_img,cnt,-1,(0,0,255),2)
cv_show(res,'res')


#cnt为其中的一个轮廓
epsilon=0.1*cv2.arcLength(cnt,True)
#指定的值越小越没影响 ，当取大的值 变化较大
approx=cv2.approxPolyDP(cnt,epsilon,True)
draw_img=img.copy()
res=cv2.drawContours(draw_img,approx,-1,(0,0,255),2)
cv_show(res,'res')


#边界矩形的绘制！！！！
img=cv2.imread('several.jpg')
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,thresh=cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
binary,contours,hierarchy=cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
cnt=contours[0]

x,y,w,h=cv2.boundingRect(cnt)
img=cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
cv_show(img,'img')  #画出来了  耶( •̀ ω •́ )y

#计算轮廓面积与边界矩形的比值
area=cv2.contourArea(cnt)
x,y,w,h=cv2.boundingRect(cnt)
rect_area=w*h
extent=float(area)/rect_area
print('轮廓面积与边界矩形的比为%s'%(extent))



#也可以画外界圆
(x,y),radius=cv2.minEnclosingCircle(cnt)
center=(int(x),int(y))
radius=int(radius)
img=cv2.circle(img,center,radius,(0,255,0),2)
cv_show(img,'img')