Python+OpenCV图像处理之轮廓发现

轮廓发现是基于图像边缘提取的基础寻找对象轮廓的方法，所以边缘提取的阈值选定会影响最终轮廓发现结果。

python实现

import cv2
import numpy as np


__author__ = "boboa"


def contours_demo(image):
    dst = cv2.GaussianBlur(image, (3, 3), 0)
    gray = cv2.cvtColor(dst, cv2.COLOR_BGR2GRAY)
    ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)
    cv2.imshow("binary image", thresh)
    # 得到修改后的图像，轮廓，轮廓的层次
    cloneimage, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    """
    cv2.findContours(image, mode, method, contours, hierarchy, offset)
        参数：
            1 要寻找轮廓的图像 只能传入二值图像，不是灰度图像
            2 轮廓的检索模式，有四种：
                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
            3 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
                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
        返回值:
            contours:一个列表，每一项都是一个轮廓，不会存储轮廓所有的点，只存储能描述轮廓的点
            hierarchy:一个ndarray, 元素数量和轮廓数量一样， 
                每个轮廓contours[i]对应4个hierarchy元素hierarchy[i][0] ~hierarchy[i][3]，
                分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号，如果没有对应项，则该值为负数
    """
    for i, contour in enumerate(contours):
        # 绘制轮廓
        cv2.drawContours(image, contours, i, (0, 0, 255), 2)
        """
        # 函数cv2.drawContours(image, contours, contourIdx, color, thickness, lineType, hierarchy, maxLevel, offset)
        # 第一个参数是一张图片，可以是原图或者其他。
        # 第二个参数是轮廓，也可以说是cv2.findContours()找出来的点集，一个列表。
        # 第三个参数是对轮廓（第二个参数）的索引，当需要绘制独立轮廓时很有用，若要全部绘制可设为-1。
        # 接下来的参数是轮廓的颜色和厚度
        """
        print(i)
    cv2.imshow("detect contours", image)


if __name__ == "__main__":
    img = cv2.imread("image/circles.jpg")
    cv2.namedWindow("input image", cv2.WINDOW_AUTOSIZE)
    cv2.imshow("input image", img)
    contours_demo(img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

二值化图像和检测到的轮廓如下图