OpenCV初尝试9——轮廓检测

9 轮廓检测 9.1 轮廓检测与绘制

检测轮廓API：

• cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]])
• 返回三个值：img（轮廓本身）；contours（每条轮廓对应的属性）；hierarchy（层级）

– mode：轮廓的检索模式，有四种：
1.cv2.RETR_EXTERNAL：只检测外轮廓；
2.cv2.RETR_LIST：检测所有的轮廓，并将其保存在一条链表中；
3.cv2.RETR_CCOMP：检测所有的轮廓，并将他们组织为两层：顶层是个部分的外部边界，第二次是空洞的边界；
4.cv2.RETR_TREE：检测所有的轮廓，并重构前台轮廓的整个层次。

• 第四种用得最多。
  

  
  

– method：轮廓逼近方法：
1.cv2.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）；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；
2.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；
3.cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法。

绘制轮廓API：

• cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset ]]]]])：绘制轮廓
  为了更高的准确率，我们使用二值图像。
  

  
  

• image：在哪个图像上绘制轮廓；contours：检测 *** 作得到的轮廓，是个list；contourIdx：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。
  

  
  

import cv2
import numpy as np

if __name__ == '__main__':
	# 二值图像的转化
    img = cv2.imread('./img.jpeg')
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
    binary, contours, hierarchy = cv2.findContours(thresh, cv2,RETR_TREE, cv2.CHAIN_APPROX_NONE)
    #传入绘制图像，轮廓，轮廓索引，颜色模式，线条厚度
    #注意要对原图使用copy，不然原图也会改变
    draw_img = img.copy()
    res = cv2.drawContours(draw_img, contours, -1, (0, 0, 255), 2)
    cv2.imshow('img', thresh)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

9.2 轮廓特征

调用对应API得到结果，仅此而已，用到的时候再说吧。

。

。

import cv2
import numpy as np

if __name__ == '__main__':
	# 二值图像的转化
    img = cv2.imread('./img.jpeg')
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
    binary, contours, hierarchy = cv2.findContours(thresh, cv2,RETR_TREE, cv2.CHAIN_APPROX_NONE)
    #开始查看轮廓特征，从列表中取出一个
    cnt = contours[0]
    #面积
    cv2.contourArea(cnt)
    #周长，True表示闭合
    cv2.areLength(cnt, True)

9.3 轮廓近似 9.3.1 近似图形

• cv2.approxPolyDP(contour, epsilon, isClosed)
  轮廓近似

import cv2
import numpy as np

if __name__ == '__main__':
	# 二值图像的转化
    img = cv2.imread('./contours.png')
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
    binary, contours, hierarchy = cv2.findContours(thresh, cv2,RETR_TREE, cv2.CHAIN_APPROX_NONE)
   
    cnt = contours[0]
	draw_img = img.copy()
    res = cv2.drawContours(draw_img, [cnt], -1, (0, 0, 255), 2)
	#轮廓近似
	epsilon = 0.1 * 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)
    cv2.imshow('res', res)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

9.3.2 外接矩形 9.3.2.1 直边界矩形

没有进行旋转，所以该边界矩形的面积不是最小的。

• cv2.boundingRect(contour)

• 返回4个值：x,y,w,h（x,y为矩形左上角坐标，w,h为矩形宽，高）

• 先靠这个API获取外界举行的信息，再用图像绘制中的cv2.rectangle()绘制外界矩形。
  

  
  

import cv2
import numpy as np

if __name__ == '__main__':
	# 二值图像的转化
    img = cv2.imread('./contours.png')
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
    binary, contours, hierarchy = cv2.findContours(thresh, cv2,RETR_TREE, cv2.CHAIN_APPROX_NONE)
    cnt = contours[0]

	x, y, w, h = cv2.boundingRect(cnt)
	img = cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)
	cv2.imshow('img', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

9.3.2.2 旋转边角矩形

需要用到角点知识，后面再进行补充。

• cv2.minAreaRect(contour)
• 返回5个值：矩形左上角角点坐标（x, y），矩形的宽和高（w, h）以及旋转角度。
  

  
  

• 绘制该矩形需要矩形的四个角点，可通过函数cv2.boxPoints()获得。
  

  
  

import cv2
import numpy as np

if __name__ == '__main__':
	# 二值图像的转化
    img = cv2.imread('./contours.png')
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
    binary, contours, hierarchy = cv2.findContours(thresh, cv2,RETR_TREE, cv2.CHAIN_APPROX_NONE)
    cnt = contours[0]

	s = cv2.minAreaRect(cnt)
	a = cv2.boxPoints(s)
	a = np.int0(a)
	cv2.polylines(img, [a], True, (0, 0, 255), 2)
	cv2.imshow('img', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

9.3.3 最小外接圆

• cv2.minEnclosingCircle(contour)
• 返回中心点（x, y）和圆的半径radius

import cv2
import numpy as np

if __name__ == '__main__':
	# 二值图像的转化
    img = cv2.imread('./contours.png')
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
    binary, contours, hierarchy = cv2.findContours(thresh, cv2,RETR_TREE, cv2.CHAIN_APPROX_NONE)
    cnt = contours[0]
	#注意都需要转换成int型
	(x, y), radius = cv2.minEnclosingCircle(cnt)
	center = (int(x), int(y))
	radius = int(radius)
	img = cv2.circle(img, center, radius, (0, 255, 0), 2)
	cv2.imshow('img', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()