opencv文档py_contours示例整理

源码目录:opencv-4.6.0\doc\py_tutorials\py_imgproc\py_contours

目录说明

• tutorial_py_contours_begin

  Learn to find and draw Contours
  学习查找和绘制轮廓

• tutorial_py_contour_features

  Learn to find different features of contours like area, perimeter, bounding rectangle etc.
  学习寻找不同的轮廓特征，如面积，周长，边界矩形等。

• tutorial_py_contour_properties

  Learn to find different properties of contours like Solidity, Mean Intensity etc.
  学习找到不同的属性的轮廓，如固体，平均强度等。

• tutorial_py_contours_more_functions

  Learn to find convexity defects, pointPolygonTest, match different shapes etc.
  学习查找凹凸缺陷，pointPolygonTest，匹配不同形状等。

• tutorial_py_contours_hierarchy

  Learn about Contour Hierarchy
  了解轮廓层次

contours_begin

目标

• 了解轮廓是什么。
• 学习寻找轮廓，绘制轮廓等
• 你会看到这些函数:cv.findContours()， cv.drawContours()

什么是轮廓?

轮廓可以简单地解释为连接所有连续点(沿着边界)的曲线，具有相同的颜色或强度。轮廓是形状分析和目标检测与识别的有用工具。

• 为了更好的精度，使用二值图像。因此，在找到轮廓之前，应用阈值或canny边缘检测。
• 自OpenCV 3.2, findContours()不再修改源图像。
• 在OpenCV中，寻找轮廓就像从黑色背景中寻找白色物体一样。记住，要找到的对象应该是白色的,背景应该是黑色的。

让我们看看如何找到二值图像的轮廓:

import numpy as np
import cv2 as cv

im = cv.imread('test.jpg')
imgray = cv.cvtColor(im, cv.COLOR_BGR2GRAY)
ret, thresh = cv.threshold(imgray, 127, 255, 0)
contours, hierarchy = cv.findContours(thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)

在 cv.findContours() 函数中有三个参数，第一个是源图像，第二个是轮廓检索方式，第三个是轮廓逼近方法。它输出轮廓和层次结构。Contours是图像中所有轮廓的Python列表。每个单独的轮廓是物体边界点的(x,y)坐标的Numpy数组。

我们将在后面详细讨论第二个和第三个参数以及层次结构。在此之前，代码示例中给出的值将适用于所有图像。

如何画等高线?

使用cv.drawContours函数绘制轮廓.它也可以用来绘制任何形状，只要你有它的边界点。它的第一个参数是源图像，第二个参数是应该作为Python列表传递的轮廓，第三个参数是轮廓的索引(在绘制单个轮廓时很有用)。要绘制所有轮廓，传递-1)，剩下的参数是颜色，厚度等。

• 绘制图像中的所有轮廓:
  drawContours(img, contours， -1， (0,255,0)， 3)
• 要画一个单独的轮廓，如第四个轮廓:
  drawContours(img, contours, 3， (0,255,0)， 3)
• 但大多数时候，下面的方法将是有用的:
  cnt = contours[4]
  cv.drawContours(img, [cnt], 0, (0,255,0), 3)

最后两个方法是相同的，但当你继续，你会发现最后一个更有用。

轮廓逼近法

cv.findContours函数的第三个参数它实际上表示什么?

上面我们说过，轮廓是具有相同强度的形状的边界。它存储形状边界的(x,y)坐标。但是它能存储所有的坐标吗?这是由轮廓近似法确定的。

如果你传递了cv.CHAIN_APPROX_NONE，存储所有边界点。但实际上我们需要所有的点吗?例如，你找到了一条直线的轮廓。是否需要直线上的所有点来表示这条直线?不，我们只需要这条线的两个端点。这就是cv.CHAIN_APPROX_SIMPLE。它去除所有冗余点并压缩轮廓，从而节省内存。

下面的矩形图演示了这种技术。只需在轮廓数组中的所有坐标上画一个圆(用蓝色绘制)。第一张图片显示了我用cv.CHAIN_APPROX_NONE得到的(734点)和第二张图像显示了cv.CHAIN_APPROX_SIMPLE(只有4点)。看，它节省了多少内存!

效果图:

完整代码:

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt

im = cv.imread('black-white.jpg')
imgray = cv.cvtColor(im, cv.COLOR_BGR2GRAY)
ret, thresh = cv.threshold(imgray, 127, 255, 0)
contours, hierarchy = cv.findContours(thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
contours_all, hierarchy_all = cv.findContours(thresh, cv.RETR_TREE, cv.CHAIN_APPROX_NONE)
print(len(contours), len(contours[0]))
print(len(contours_all), len(contours_all[0]))
img1 = im.copy()
img2 = im.copy()
for pos in contours[0]:
    cv.circle(img1, pos[0], 3, (0,255,0), -1)
for pos in contours_all[0]:
    cv.circle(img2, pos[0], 3, (0,255,0), -1)

plt.subplot(221),plt.imshow(im),plt.title('Original')
plt.subplot(222),plt.imshow(img1),plt.title('cv.CHAIN_APPROX_SIMPLE')
plt.subplot(223),plt.imshow(img2),plt.title('cv.CHAIN_APPROX_NONE')

plt.show()

contour_features

目标

在本文中，我们将学习

• 查找轮廓的不同特征，如面积，周长，质心，边界框等
• 你会看到很多与轮廓相关的函数。

1.Moments 时刻

图像矩帮助你计算一些特征，如物体的质心，物体的面积等。查看维基百科页面Image Moments

函数 cv.moments() 给出了计算出的所有矩值的字典。见下文:

import numpy as np
import cv2 as cv

img = cv.imread('star.jpg',0)
ret,thresh = cv.threshold(img,127,255,0)
contours,hierarchy = cv.findContours(thresh, 1, 2)

cnt = contours[0]
M = cv.moments(cnt)
print( M )

从这个时刻，你可以提取有用的数据，如面积，质心等。重心的关系:
$$C_x=$$