OpenCV---轮廓发现

推文：OpenCV-Python教程（11、轮廓检测）

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的发现

相关API

findContours 发现轮廓

drawContours绘制轮廓

操作步骤

1.转换图像为二值化图像：threshold方法或者canny边缘提取获取的都是二值化图像
2.通过二值化图像寻找轮廓：findContours
3.描绘轮廓：drawContours

一：使用直接使用阈值方法threshold方法获取二值化图像来选择轮廓

def contours_demo(image):
    dst = cv.GaussianBlur(image,(9,9),15)　　#高斯模糊，消除噪声
    gray = cv.cvtColor(dst,cv.COLOR_BGR2GRAY) #先变灰度图像
    ret, binary = cv.threshold(gray,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU)  #获取二值图像
    cv.imshow("binary image",binary)

    # cloneImage,contours,heriachy = cv.findContours(binary,cv.RETR_TREE,cv.CHAIN_APPROX_SIMPLE)    #RETR_TREE包含检测内部
    cloneImage,contours,heriachy = cv.findContours(binary,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_SIMPLE)  #RETR_EXTERNAL检测外部轮廓
    for i, contour in enumerate(contours):
        # cv.drawContours(image,contours,i,(0,0,255),2)　　#绘制轮廓
        cv.drawContours(image,contours,i,(0,0,255),-1)　　#填充轮廓
        print(i)
    cv.imshow("detect contours",image)


src = cv.imread("./lk.png")  #读取图片
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)    #创建GUI窗口,形式为自适应
cv.imshow("input image",src)    #通过名字将图像和窗口联系

contours_demo(src)

cv.waitKey(0)   #等待用户操作，里面等待参数是毫秒，我们填写0，代表是永远，等待用户操作
cv.destroyAllWindows()  #销毁所有窗口

二：使用canny边缘检测获取二值化图像

def contours_demo(image):
    binary = edge_demo(image)

    cloneImage,contours,heriachy = cv.findContours(binary,cv.RETR_TREE,cv.CHAIN_APPROX_SIMPLE)    #RETR_TREE包含检测内部
    for i, contour in enumerate(contours):
        # cv.drawContours(image,contours,i,(0,0,255),2)
        cv.drawContours(image,contours,i,(0,0,255),-1)
        print(i)
    cv.imshow("detect contours",image)

def edge_demo(image):
    dst = cv.GaussianBlur(image,(3,3),0)
    gray = cv.cvtColor(dst,cv.COLOR_BGR2GRAY) #先变灰度图像

    edge_output = cv.Canny(gray,50,108)

    cv.imshow("detect contours",edge_output)
    return edge_output

src = cv.imread("./lk.png")  #读取图片
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)    #创建GUI窗口,形式为自适应
cv.imshow("input image",src)    #通过名字将图像和窗口联系

contours_demo(src)

cv.waitKey(0)   #等待用户操作，里面等待参数是毫秒，我们填写0，代表是永远，等待用户操作
cv.destroyAllWindows()  #销毁所有窗口

相关知识补充

（一）findContours寻找轮廓

cv.findContours(binary,cv.RETR_TREE,cv.CHAIN_APPROX_SIMPLE) 

def findContours(image, mode, method, contours=None, hierarchy=None, offset=None): # real signature unknown; restored from __doc__

1.image:输入图像，图像必须为8-bit单通道图像，图像中的非零像素将被视为1，0像素保留其像素值，故加载图像后会自动转换为二值图像。可以通过threshold和canny获取

2.mode：轮廓检索模式

RETR_EXTERNAL:表示只检测最外层轮廓，对所有轮廓设置hierarchy[i][2]=hierarchy[i][3]=-1 
RETR_LIST:提取所有轮廓，并放置在list中，检测的轮廓不建立等级关系 
RETR_CCOMP:提取所有轮廓，并将轮廓组织成双层结构(two-level hierarchy),顶层为连通域的外围边界，次层位内层边界 
RETR_TREE:提取所有轮廓并重新建立网状轮廓结构 
RETR_FLOODFILL：官网没有介绍，应该是洪水填充法 

3.method:轮廓近似方法

CHAIN_APPROX_NONE：获取每个轮廓的每个像素，相邻的两个点的像素位置差不超过1 
CHAIN_APPROX_SIMPLE：压缩水平方向，垂直方向，对角线方向的元素，值保留该方向的重点坐标，如果一个矩形轮廓只需4个点来保存轮廓信息 
CHAIN_APPROX_TC89_L1和CHAIN_APPROX_TC89_KCOS使用Teh-Chinl链逼近算法中的一种 

返回值：

ret = cv.findContours(binary, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
cloneImage,contours,heriachy = cv.findContours(binary,cv.RETR_TREE,cv.CHAIN_APPROX_SIMPLE)    #RETR_TREE包含检测内部

返回一个元组,内部有三个元素
<class 'numpy.ndarray'>
<class 'list'>
<class 'numpy.ndarray'>

第一个返回值：cloneImage是我们传入的二值化图像
第二个返回值：contours是一个列表，是轮廓本身，含有轮廓上面的各个点的位置信息
第三个返回值：heriachy是每条轮廓对应的属性

（二）drawContours绘制轮廓

cv.drawContours(image,contours,i,(0,0,255),2)
cv.drawContours(image,contours,i,(0,0,255),-1)

def drawContours(image, contours, contourIdx, color, thickness=None, lineType=None, hierarchy=None, maxLevel=None, offset=None): # real signature unknown; restored from __doc__

1.image:输入输出图像，Mat类型即可 
2.contours:使用findContours检测到的轮廓数据，每个轮廓以点向量的形式存储
3.contourIdx:绘制轮廓的只是变量，如果为负值则绘制所有输入轮廓 
4.color:轮廓颜色 
5.thickness:绘制轮廓所用线条粗细度，如果值为负值，则在轮廓内部绘制