图像轮廓相关知识

理论内容

什么是图像轮廓？

具有相同颜色或强度的连续点的曲线。

轮廓的作用？

（1）可以用于图形的分析

（2）物体识别与检测

注意点：

（1）为了检测的准确性，需要先对图像进行二值化或Canny操作

（2）画轮廓时会修改输入的图像（在需要保留原始图像的情况下，需要进行深copy）

轮廓查找API：

findContours（img，mode，approximaionMode ……）

img：需要进行轮廓查找的图像

mode：RETR_EXTERNAL=0 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

EXTERNAL：只检测外轮廓

LIST：从里到外，从右到左

CCOMP：从里到外，但是每层最多有两级

TREE:从外到里，从右到左

ApproximaionMode：CHAIN_APPROX_NONE 保留所有轮廓上的点 ；CHAIN_APPROX_SIMPLE 只保存角点

返回值 contours和hierarchy

contours：查找到的所有轮廓的列表

hierarchy：层级

绘制轮廓API：

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

img：需要进行轮廓绘制的图像

contours：轮廓的坐标点

contourIdx：轮廓顺序号，可以通过这个参数显示具体需要的轮廓（从0开始。-1绘制所有轮廓）

color：轮廓显示的颜色 （0，0，255）

thicness：线宽 （-1是全部填充）

轮廓的面积和周长：

可以通过面积和周长去舍去一些细小的，我们不需要的轮廓。

轮廓面积API

contourArea（contour）

contour：就是在查找轮廓中contours获得的轮廓坐标信息

轮廓周长API

arcLength(curve，closed)

curve：就是在查找轮廓中contours获得的轮廓坐标信息

closed：轮廓是否闭合，如果是闭合的就是True，不是闭合的就是False

多边形逼近与凸包

左边为逼近，右边为凸包

多边形逼近API

approxPolyDP(curve,epsilon,closed)

curve:就是在查找轮廓中contours获得的轮廓坐标信息

epsilon:精度

closed:是否为闭合 True False

多边形凸包API

convexHull(points,clockwise,……）

points：就是在查找轮廓中contours获得的轮廓坐标信息

clockwise：顺时针绘制

外接矩阵

最小和最大外接矩阵（最小外接矩阵可以看出图像旋转的角度）

最小外接矩阵API

minAreaRect（points）

points:就是在查找轮廓中contours获得的轮廓坐标信息

返回值：RotatedRect

RotatedRect：有 x，y，width，heigh，angle

最大外接矩阵API

boundingRect（array）

array：就是在查找轮廓中contours获得的轮廓坐标信息

返回值：Rect

Rect：有 x，y，width，heigh

实战内容

轮廓查找：

import cv2
import numpy as np

img = cv2.imread('E:\\pycharm\\PycharmFile\\opencv\\MM\\contour.png')
print(img.shape)

# 转变为单通道
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
print(gray.shape)

# 二值化
ret, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
print(binary.shape)

# 轮廓查找
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
print(contours)

cv2.imshow('img', img)
cv2.imshow('binary', binary)

cv2.waitKey(0)

三通道的图片需要先变成单通道后才进行二值化，之后进行轮廓查找。

绘制轮廓：

#轮廓绘制
cv2.drawContours(img,contours,-1,(0,0,255),6)

  contours就是刚刚查找轮廓获得的坐标。

计算面积

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

contours[0]很重要，要确定是选择的那个轮廓求面积

计算周长

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

多边形逼近

def drawshape(src, point):
    i = 0
    while i < len(point):
        if (i == len(point) - 1):
            x, y = point[i][0]
            x1, y1 = point[0][0]
            cv2.line(src, (x, y), (x1, y1), (0, 0, 255), 3)
        else:
            x, y = point[i][0]
            x1, y1 = point[i + 1][0]
            cv2.line(src, (x, y), (x1, y1), (0, 0, 255), 3)
        i = i + 1

# 多边形逼近
e = 40
approx = cv2.approxPolyDP(contours[0], e, True)
# print(approx)
# 绘制逼近图
drawshape(img, approx)

多边形凸包

# 多边形凸包
hull = cv2.convexHull(contours[0])
# 绘制凸包图
drawshape(img, hull)

最小外接矩阵

#最小外接矩阵
r=cv2.minAreaRect(contours[1]) #这个返回值中含有角度信息
box=cv2.boxPoints(r) #去除r中的角度信息
box=np.int0(box) #由于box是float 使其变成int型
cv2.drawContours(img,[box],0,(0,0,255),2)

最大外接矩阵

#最大外接矩阵
x,y,w,h=cv2.boundingRect(contours[1])
cv2.rectangle(img,(x,y),(x+w,y+h),(0,0,255),2)