12. 形态学--轮廓、多边形逼近与凸包

1. 轮廓

findContours(image, mode, method[, contours[, hierarchy[, offset]]])

• mode查找轮廓的模式
  cv2.RETR_EXTERNAL = 0，表示指检测外围扩阔
  cv2.RETR_LIST = 1，检测的轮廓不建立等级关系，即检测所有的轮廓
  cv2.RETR_CCOMP = 2，每层最多两级，从小到大，从里到外
  cv2.RETR_TREE = 3，按照树型存储轮廓，从大到小，从右到左，较为常用
• method 轮廓近似方法，也叫ApproximationMode
  cv2.CHAIN_APPROX_NONE 保存所有轮廓上的点
  cv2.CHAIN_APPROX_SIMPLE 只保存角点，存储信息少，比较常用
• 反馈contours和hierarchy 即轮廓和层级

img = cv2.imread('./contors1.jpeg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
# 注意contours是一个list，里面的元素是ndarray，每个ndarray表示一个contour
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 注意，会直接在原图上进行操作，如果要原图保持不变，就需要copy一份
img_copy = img.copy()
cv2.drawContours(img_copy, contours, 1, (0,0,255), 2)

# 计算轮廓面积
area = cv2.contourArea(contours[1])

# 计算轮廓周长
cv2.arcLength(contours[1], closed=True)

# 返回结果是一个Rotated Rect 旋转的矩形，矩形的起始坐标(x, y), 矩形的长宽，矩形的旋转角度
# boundingRect(points) 最大外接矩阵
rect = cv2.minAreaRect(contours[1])

# cv的工具，将旋转矩阵的四个坐标点计算出来
# 注意：这个计算出来后的数据是float，而在绘图的时候，要求像素点位置，是int的
box = cv2.boxPoints(rect)
# 对boxPoints的结果进行处理
box = np.round(box).astype('int64')
cv2.drawContours(img, [box], 0, (255,0,0), 2)
cv2.imshow('img', img)

2. 多边形逼近与凸包

findContours后的轮廓信息contours可能过于复杂不平滑，可以用approxPolyDP函数对该多边形曲线做适当近似，这就是轮廓的多边形逼近；
DP算法原理核心，不断找多边形最远的点加入形成新的多边形，直到最短距离小于指定的精度；
approxPolyDP(curve, epsilon, closed, approxCurve=None)

• curve 要近似逼近的轮廓
• epsilon 即DP算法使用的阈值
• closed 轮廓是否闭合

# 获取单个轮廓
cnt = contours[0]
# 根据轮廓周长来逼近
epsilon = 0.05*cv2.arcLength(cnt, True)
approx = cv2.approxPolyDP(cnt, epsilon, True)
draw_img = img.copy()
res = cv2.drawContours(draw_img, [approx], -1, (0, 0, 255), 2)
# 将res使用cv2.im_show()展示出来

# 边界矩形
x, y, w, h = cv2.boundingRect(cnt)
img = cv2.rectangle(img, (x,y), (x+w, y+h), (0,255,0), 2)
# im_show()

# 最小外接圆
(x,y), radius = cv2.minEnclosingCircle(cnt)
center = (int(x), int(y))
radius = int(radius)
img = cv2.circle(img, center, radius, (0,255,0), 2)
# im_show()