图像轮廓检测方法

合集 - Opencv(9)

1.Opencv在VS2022中的配置（Python)2023-04-212.opencv 图像和视频处理的基本操作（python)2023-04-213.图像平滑化处理 Opencv(python)2023-04-214.图片的腐蚀，膨胀，开丶闭运算，梯度计算，礼帽与黑帽2023-04-215.图像梯度2023-04-226.图像边缘检测（Canny)2023-04-227.图像金字塔2023-04-22

8.图像轮廓检测方法2023-04-22

9.模板匹配2023-04-22

收起

#图像轮廓
#先将灰度图像二值化 这样轮廓更加清晰
ret,thresh = cv2.threshold(img_gray,127,255,cv2.THRESH_BINARY)
#cv2.findContours(src,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:顶层是各部分的外部边界，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;
#一般建议使用RETR_TREE，因为包含了所有类型轮廓
#methode: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。
binary, contours,hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
#绘制图像
#cv2.drawcontours(src,contours,contoursIndex,Line Color,LineSize)
#contours:轮廓
#contoursIndex:轮廓索引，-1代表图像中所有轮廓，其余只要不超过索引范围，则是代表图像中的某个轮廓的外或内轮廓
#LineColor:绘制线条的颜色 在opencv中颜色不是RGB而是BGR
#LineSize:线条粗细，注意如果线条太宽会导致内外轮廓无法分辨
#注意 drawcontours函数会更改并且保存src的图像，所以再使用之前需要用copy复制一个
draw_img = img_gray.copy()
res = cv2.drawContours(draw_img,contours,-1,(0,0,255),3)
Cv_Show('Contours',res)

轮廓特征

#注意 contour是一个数组，内含多个轮廓，所以是无法直接计算的需要先取出某一个轮廓
#下行就是取出第一个轮廓
cnt = contours[0]
#求面积
cv2.contourArea(cnt)
#求周长 True表示闭合的
cv2.arcLength(cnt,True)

轮廓近似

#轮廓近似
#epsilon 阈值 系数越小 离原轮廓差距越小
epsilon = 0.1 * cv2.arcLength(cnt,True)
approx = cv2.approxPolyDP(cnt,epsilon,True)
res = cv2.drawContours(draw_img,[approx],-1,(0,0,255),3)
Cv_Show('Approx',res)

轮廓应用

#边界矩阵
#就是外接矩阵
x,y,w,h = cv2.boundingRect(cnt)
res = cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),3)
Cv_Show('Rectangle',res)
#外接圆
(x,y),radius = cv2.minEnclosingCircle(cnt)
center = (int(x),int(y))
radius = int(radius)
res = cv2.circle(img,center,radius,(255,0,0),3)
Cv_Show('Circle',res)