Python - opencv（三）轮廓检测

一. findCounters轮廓检测

OpenCV-Python接口中使用cv2.findContours()函数来查找检测物体的轮廓。

参数

第一个参数是寻找轮廓的图像；

第二个参数表示轮廓的检索模式，有四种（本文介绍的都是新的cv2接口）：
cv2.RETR_EXTERNAL表示只检测外轮廓
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，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层。
cv2.RETR_TREE建立一个等级树结构的轮廓。

第三个参数method为轮廓的近似办法
cv2.CHAIN_APPROX_NONE存储所有的轮廓点，相邻的两个点的像素位置差不超过1，即max（abs（x1-x2），abs（y2-y1））==1 (Freeman炼码)
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
cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法

返回值

cv2.findContours()函数返回两个值，一个是轮廓本身，还有一个是每条轮廓对应的属性。

 

cv2.drawContours用来画轮廓，参数：

第一个参数是指明在哪幅图像上绘制轮廓；image为三通道才能显示轮廓
第二个参数是轮廓本身，在Python中是一个list;
第三个参数指定绘制轮廓list中的哪条轮廓，如果是-1，则绘制其中的所有轮廓。后面的参数很简单。其中thickness表明轮廓线的宽度，如果是-1（cv2.FILLED），则为填充模式。

example：

代码：

import cv2
import numpy as np

if __name__ == '__main__':
    img = cv2.imread('../pics/5.jpg', cv2.IMREAD_GRAYSCALE)
    ret, thresh = cv2.threshold(img, 140, 220, cv2.THRESH_BINARY)

    img_cpy = img.copy()
    contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
    cv2.drawContours(img_cpy, contours, -1, (0, 0, 255), 2)
    res = np.hstack((img, img_cpy))
    cv2.imshow('title', res)
    cv2.waitKey()

 

 

 

二. 轮廓方法

1.求面积和周长

cnt = contours[0]
cv2.contourArea(cnt)    #求面积
cv2.arcLength(cnt, True)    #周长

2.轮廓近似

cv2.approxPolyDP(curve, epsilon, closed)

curve	需要进行近似的轮廓
epsilon	指定近似精度的参数ε，这是原始曲线与其近似值之间的最大距离。参数越小，两直线越接近
closed	若为true，曲线第一个点与最后一个点连接形成闭合曲线，若为false，曲线不闭合。

3.外接矩形和外接圆

参考：https://blog.csdn.net/li_l_il/article/details/87808795

cv2.rectangle(img, (x, y), (x + w, y + h), color, thickness)　　#矩形
cv2.boundingRect(cnt) 　　#圆
示例代码：

import cv2 as cv
import numpy as np
 
# 读入图片
src = cv.imread('contours.png')
# 转换成灰度图
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
# 二值化
ret, thresh = cv.threshold(gray, 129, 255, cv.THRESH_BINARY)
 
# 查找轮廓
# binary-二值化结果，contours-轮廓信息，hierarchy-层级
binary, contours, hierarchy = cv.findContours(thresh, cv.RETR_TREE, cv.CHAIN_APPROX_NONE)
# 显示轮廓，tmp为黑色的背景图
tmp = np.zeros(src.shape, np.uint8)
res = cv.drawContours(tmp, contours, -1, (250, 255, 255), 1)
cv.imshow('Allcontours', res)
 
cnt = contours[8]
tmp2 = np.zeros(src.shape, np.uint8)
res2 = cv.drawContours(tmp2, cnt, -1, (250, 255, 255), 2)
cv.imshow('cnt', res2)
 
# 轮廓特征
# 面积
print(cv.contourArea(cnt))
# 周长,第二个参数指定图形是否闭环,如果是则为True, 否则只是一条曲线.
print(cv.arcLength(cnt, True))
 
# 轮廓近似，epsilon数值越小，越近似
epsilon = 0.08 * cv.arcLength(cnt, True)
approx = cv.approxPolyDP(cnt, epsilon, True)
tmp2 = np.zeros(src.shape, np.uint8)
# 注意，这里approx要加中括号
res3 = cv.drawContours(tmp2, [approx], -1, (250, 250, 255), 1)
cv.imshow('approx', res3)
 
# 外接图形
x, y, w, h = cv.boundingRect(cnt)
# 直接在图片上进行绘制，所以一般要将原图复制一份，再进行绘制
tmp3 = src.copy()
res4 = cv.rectangle(tmp3, (x, y), (x + w, y + h), (0, 0, 255), 2)
cv.imshow('rectangle', res4)
 
cv.waitKey()
cv.destroyAllWindows()