Python+OpenCV之图像轮廓详解

1. 图像轮廓

1.1 findContours介绍

1.2 绘制轮廓

1.3 轮廓特征

2. 轮廓近似

2.1 轮廓

2.2 边界矩形

2.3 外界多边形及面积

1. 图像轮廓 1.1 findContours介绍

cv2.findContours(img, mode, method)

mode:轮廓检索模式

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：顶层是各部分外部边界，第二层是空洞的边界;

RETR_TREE：检索所有的轮廓，并重构嵌套轮廓的整个层次;

method:轮廓逼近方法

CHAIN_APPROX_NONE：以Freeman链码的方式输出轮廓，所有其他方法输出多边形（顶点的序列）。

CHAIN_APPROX_SIMPLE:压缩水平的、垂直的和斜的部分，也就是，函数只保留他们的终点部分。

1.2 绘制轮廓

import cv2
def cv_show(img, name):
    cv2.imshow(name, img)
    cv2.waitKey()
    cv2.destroyAllWindows()
img = cv2.imread('DataPreprocessing/img/contours.webp')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
cv_show(thresh, 'thresh')

contours.webp原图展示:

contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
draw_img = img.copy()
res = cv2.drawContours(draw_img, contours, -1, (0, 0, 255), 2)
cv_show(res, 'res')

“-1”表示显示所有轮廓，(B, G , R) = (0, 0, 255) 采用红色的显示全部轮廓，如下:

或者显示索引为1的轮廓,代码如下:

draw_img = img.copy()
res = cv2.drawContours(draw_img, contours, 1, (0, 0, 255), 2)
cv_show(res, 'res')

索引为1的是三角形的内轮廓，0是外轮廓：

1.3 轮廓特征

cnt = contours[0]
# 面积
print("面积: ", cv2.contourArea(cnt))
# 周长，True表示闭合的
print("周长: ", cv2.arcLength(cnt, True))

输出：

面积: 8500.5
周长: 437.9482651948929

2. 轮廓近似 2.1 轮廓

contours2.webp原图 :

img = cv2.imread('DataPreprocessing/img/contours2.webp')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_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')

边缘检测:

原理：以这个弧线为例， A , B A,B A,B端连线，取弧线上一点 C C C离线段 A B AB AB的距离最大，判断 d 1 d_{1} d1是否小于设置的阈值 T T T，不小于 T T T的，则以 A , C A,C A,C连接线段 A C AC AC,重复上面的操作，取得图中的 d 2 d_{2} d2，再同 T T T做比较，直至 d n d_{n} dn小于阈值得出线段为轮廓边缘。

2.2 边界矩形

img = cv2.imread('DataPreprocessing/img/contours.webp')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_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')

2.3 外界多边形及面积

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比', extent)

输出：

轮廓面积与边界矩形比 0.5154317244724715

外接圆形:

(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')

结果展示: