3.8 等高线

等高线可以简单地解释为连接所有连续点（沿着边界）的曲线，具有相同的颜色或强度。等高线是形状分析、目标检测和识别的有用工具。

让我们看看如何找到二值图像的轮廓：

cv2.findcontours() 函数中有三个参数，

第一个是源图像

第二个是轮廓检索模式

第三个是轮廓近似方法

它输出图像、轮廓和层次。轮廓是图像中所有轮廓的python列表。每个轮廓都是对象边界点（x，y）坐标的numpy数组。

使用 cv2.drawContours, 它也可以用来绘制任何给出边界点的形状。它的第一个参数是源图像，第二个参数是应该作为等高线列表，第三个参数是等高线索引（在绘制个体轮廓时使用）。要绘制所有轮廓，传递-1）、颜色、厚度等。

要绘制图像中的所有轮廓：

要绘制第4个轮廓：

但大多数情况下，下面的方法更适合：

这是 cv2.findContours 函数中的第三个参数的说明。

如果传递 cv2.CHAIN_APPROX_NONE，则存储所有边界点。但实际上我们需要所有的要点吗？例如，你发现了一条直线的轮廓。你需要这条线上所有的点来代表这条线吗？不，我们只需要这条线的两个端点。这就是 cv2.CHAIN_APPROX_SIMPLE所做的。它删除所有冗余点并压缩轮廓，从而节省内存。

你可以提取有用的数据，如面积、质心等。质心可以通过下面的方式来获取

它将一个轮廓形状近似为另一个形状，根据我们指定的精度，顶点数量较少。

为了理解这一点，假设您试图在图像中找到一个正方形，但是由于图像中的一些问题，您没有得到一个完美的正方形，而是一个“坏形状”（如下面第一幅图像所示）。现在可以使用此函数来近似形状。在这里，第二个参数称为epsilon，它是从轮廓到近似轮廓的最大距离。这是一个精度参数。为了得到正确的输出，需要明智地选择epsilon。

下图，在第二幅图像中，绿线显示了epsilon=10%弧长的近似曲线。第三张图片显示的epsilon=弧长的1%相同。第三个参数指定曲线是否关闭。

凸面船体看起来类似于轮廓近似，但事实并非如此（在某些情况下两者都可能提供相同的结果）。在这里，cv2.converxHull（）函数检查曲线是否存在凸性缺陷，并对其进行修正。一般来说，凸曲线是指总是凸出的曲线，或者至少是平的曲线。如果它在内部膨胀，就称为凸性缺陷。例如，检查下面的手图像。红线表示手的凸面外壳。双面箭头标记显示了凸性缺陷，即船体与轮廓的局部最大偏差。

points 是我们经过的轮廓。

hull 是输出，通常我们避免它。

clockwise ：方向标志。如果为真，则输出凸壳为顺时针方向。否则，它是逆时针方向的。

returnPoints ：默认为真。然后返回船体点的坐标。如果为false，则返回与外壳点对应的轮廓点索引。

因此，如上图所示，要得到一个凸面外壳，以下就足够了：

有一个函数可以检查曲线是否是凸的，cv2.isContourConvex()。它只是返回正确还是错误。

直的矩形，不考虑物体的旋转。所以边界矩形的面积不会是最小的。它由函数 cv2.boundingrect() 找到。

设（x，y）为矩形信态扒的左上角坐标，（w，h）为滑昌矩形的宽度和高度。

在这里，边界矩形是用最小面积绘制的，因此它也考虑了旋转。使用的函数是 cv2.minareect() 。但是要画这个矩形，我们需要四个角。它是通过函数 cv2.boxpoints() 获得的。

在这里闭禅，我们将学习提取一些经常使用的对象属性，如坚固性、等效直径、遮罩图像、平均强度等。

范围是轮廓区域与边界矩形区域的比率。

坚固性是指轮廓面积与其凸面外壳面积之比。

等效直径是面积与轮廓面积相同的圆的直径。

方向是指向对象的角度。下面的方法也给出了长轴和短轴的长度。

在某些情况下，我们可能需要包含该对象的所有点。可以这样做：

这里，有两种方法，一种是使用numpy函数，另一种是使用opencv函数（最后一行注释）。结果也相同，但有轻微的差异。numpy以（行、列）格式给出坐标，而opencv以（x、y）格式给出坐标。所以基本上答案会互换。注意，row=x，column=y。

极端点是指物体的最上面、最下面、最右边和最左边的点。

---