OpenCV中图⽚图像轮廓提取-cv2.findContours（）讲解⼀、图像轮廓
1. cv
2.findContours(img，mode, method)  出图中的轮廓值，得到的轮廓值都是嵌套格式的
参数说明:
img表⽰输⼊的图⽚，
mode表⽰轮廓检索模式，通常都使⽤RETR_TREE出所有的轮廓值，
method表⽰轮廓逼近⽅法，使⽤NONE表⽰所有轮廓都显⽰
2. cv2.cvtcolor(img, cv2.COLOR_BGR2GRAY)  将彩⾊图转换为灰度图
参数说明:
img表⽰输⼊的图⽚，
cv2.COLOR_BGR2GRAY表⽰颜⾊的变换形式
3. cv2.drawContours(img, contours, -1, (0, 0, 255), 2)  画出图⽚中的轮廓值，也可以⽤来画轮廓的近似值
参数说明:
img表⽰输⼊的需要画的图⽚，
contours表⽰轮廓值，
-1表⽰轮廓的索引，
(0, 0, 255)表⽰颜⾊，
2表⽰线条粗细
4. urArea(cnt， True)  计算轮廓的⾯积
参数说明：cnt为输⼊的单个轮廓值
5. cv2.arcLength(cnt， True)    计算轮廓的周长
参数说明：cnt为输⼊的单个轮廓值
6. cv2.aprroxPolyDP(cnt, epsilon， True)  ⽤于获得轮廓的近似值，使⽤cv2.drawCountors进⾏画图操作
参数说明：
cnt为输⼊的轮廓值，
epsilon为阈值T，通常使⽤轮廓的周长作为阈值，
True表⽰的是轮廓是闭合的
7. x, y, w, h = cv2.boudingrect(cnt)  获得外接矩形
参数说明：
x，y, w, h 分别表⽰外接矩形的x轴和y轴的坐标，以及矩形的宽和⾼，
cnt表⽰输⼊的轮廓值
8. angle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)  根据坐标在图像上画出矩形
参数说明:
img表⽰传⼊的图⽚，
(x, y)表⽰左上⾓的位置,
(x+w， y+h）表⽰加上右下⾓的位置，
(0, 255, 0)表⽰颜⾊，
2表⽰线条的粗细
9. (x, y), radius = cv2.minEnclosingCircle(cnt)  获得外接圆的位置信息
参数说明:
(x, y)表⽰外接圆的圆⼼，
radius表⽰外接圆的半径，
cnt表⽰输⼊的轮廓
10. cv2.Cricle(img, center, radius, (0, 255, 0), 2)  根据坐标在图上画出圆
参数说明:
img表⽰需要画的图⽚，
center表⽰圆的中⼼点，
radius表⽰圆的半径,
(0, 255, 0)表⽰颜⾊，
2表⽰线条的粗细
11. 轮廓检测：
轮廓检测相较于canny边缘检测，轮廓检测的线条要更少⼀些，在opencv中，使⽤的函数是cv2.findCountor进⾏轮廓检测。
注：上图是轮廓检测过程中所使⽤的⽅法，⼀般我们使⽤mode RETR_TREE检测出所有的轮廓值， 对于method⽅法的区别在⼀种把边缘都检测出来,⼀种压缩在拐点位置
⼆、案例
1.轮廓检测与画图：
import cv2
"""
第⼀步：载⼊图⽚
第⼆步：使⽤cv2.cvtcolor() 将图⽚转换为灰度图
第三步: 使⽤cv2.threshold将图⽚做⼆值化转换
第四步：使⽤cv2.findContours 出图⽚的轮廓值
第五步：使⽤cv2.drawContours在图⽚上画上轮廓
第六步: 使⽤cv2.imshow 完成画图操作
"""
import numpy as np
def cv_show(img, name):
cv2.imshow(name, img)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 第⼀步读⼊图⽚
img = cv2.imread('car.png')
# 第⼆步：对图⽚做灰度变化
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 第三步：对图⽚做⼆值变化
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 第四步：获得图⽚的轮廓值
Binary, contours, h = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
# 第五步：在图⽚中画出图⽚的轮廓值
draw_img = py()
ret = cv2.drawContours(draw_img, contours, -1, (0, 0, 255), 2)
# 第六步：画出带有轮廓的原始图⽚
cv_show(ret, 'ret')
2. 轮廓的周长和⾯积
"""
使⽤cv2.findCountor获得的轮廓contours是⼀个嵌套的类型，即我们可以通过cnt = contours获得第⼀个物体的轮廓值
第⼀步：载⼊图⽚，做灰度值和⼆值化处理，并使⽤cv2.findCountor出轮廓值，使⽤cv2.drawCountors画出第⼀个图像的轮廓
第⼆步：通过索引取出第⼀个轮廓值cnt，使⽤cv2.ContourArea()计算轮廓的⾯积
第三步：使⽤cv2.arcLength 获得轮廓的周长
"""
# 使⽤另外⼀个图进⾏轮廓的测试
# 第⼀步：载⼊图⽚，灰度化和⼆值化处理，使⽤cv2.findContours出轮廓, 使⽤cv2.drawContours进⾏画图操作
img = cv2.imread('contours.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
binary, contours, h = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
draw_img = py()
# 参数说明,draw_img 需要作图的原始图像， contours表⽰轮廓， 0表⽰轮廓索引， (0, 0, 255)表⽰颜⾊， 2表⽰线条粗细
ret = cv2.drawContours(draw_img, contours, 0, (0, 0, 255), 2)
cv_show(ret, 'ret')
# 取出单个的轮廓值
cnt = contours[0]
# 第⼆步：计算轮廓的⾯积
area = urArea(cnt)
# 第三步：计算轮廓的周长
length= cv2.arcLength(cnt, True)
print(area, length)
3. 轮廓近似(RDP)， 假设存在⼀个曲线A, B，在曲线上存在⼀个C点，离AB线段的距离最远，记为d1, 如果d1 < T(⾃⼰设定的阈值), 将AB线段作为AB曲线的替代，否者连接AC和BC， 计算AC线段上的D点离AB距离最远，记为d2，如果d2 < T，则使⽤AC线段替代AC曲线，否者继续连接划
"""
第⼀步：读取图⽚，灰度化和⼆值化，使⽤cv2.findcontours出轮廓
第⼆步：使⽤轮廓索引提取第⼀个轮廓值
第三步：使⽤cv2.arcLength即轮廓周长的倍数作为阈值，阈值越⼩，轮廓与轮廓的越近似
第四步：使⽤cv2.approxPolyDP(cnt, epilison)
第五步：使⽤cv2.drawContours进⾏画图操作
"""
import cv2
import numpy as np
def cv_show(img, name):
cv2.imshow(name, img)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 第⼀步读⼊图⽚
img = cv2.imread('car.png')
# 第⼆步：对图⽚做灰度变化
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 第三步：对图⽚做⼆值变化
# 第三步：对图⽚做⼆值变化
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 第四步：获得图⽚的轮廓值
Binary, contours, h = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
# 第五步：在图⽚中画出图⽚的轮廓值
draw_img = py()
ret = cv2.drawContours(draw_img, contours, -1, (0, 0, 255), 2)
# 第六步：画出带有轮廓的原始图⽚
cv_show(ret, 'ret')
# 使⽤另外⼀个图进⾏轮廓的测试
# 第⼀步：载⼊图⽚，灰度化和⼆值化处理，使⽤cv2.findContours出轮廓, 使⽤cv2.drawContours进⾏画图操作
img = cv2.imread('contours.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
binary, contours, h = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
draw_img = py()
# 参数说明,draw_img 需要作图的原始图像， contours表⽰轮廓， 0表⽰轮廓索引， (0, 0, 255)表⽰颜⾊， 2表⽰线条粗细
ret = cv2.drawContours(draw_img, contours, 0, (0, 0, 255), 2)
cv_show(ret, 'ret')
# 取出单个的轮廓值
cnt = contours[0]
# 第⼆步：计算轮廓的⾯积
area = urArea(cnt)
# 第三步：计算轮廓的周长
length= cv2.arcLength(cnt, True)
print(area, length)
# 轮廓近似
img = cv2.imread('contours2.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
Binary, contours, h = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
cnt = contours[0]
# 使⽤周长的倍数作为阈值，阈值越⼩，图像的轮廓近似与轮廓越近似
epsilon = 0.1 * cv2.arcLength(cnt, True)
approx = cv2.approxPolyDP(cnt, epsilon, True)
rectangle函数opencvdraw_img = py()
ret = cv2.drawContours(draw_img, [approx], -1, (0, 0, 255), 2)
cv_show(ret, 'ret')
4. 外接矩形和外接圆
外接矩形： 使⽤cv2.boudingrect(cnt)获得轮廓的外接矩形，使⽤angle(img, (x, y), (x+w, y+h), (0, 0, 255), 2)画出矩阵的轮廓
外接圆： 使⽤cv2.minEnclosingCircle(cnt)获得轮廓的外接圆，使⽤cv2.circle(ret, centers, radius, (0, 0, 255), 2)画出圆的轮廓

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。