一、轮廓检测
- 函数原型：
cv2.findContours(image, mode, method, contours=None, hierarchy=None, offset=None)
-
image
代表输入的图片。注意输入的图片必须为二值图片。若输入的图片为彩色图片，必须先进行灰度化和二值化。 -
mode
表示轮廓的检索模式，有4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。
-
method
为轮廓的近似办法，有4种：- 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。
- cv2.CHAIN_APPROX_TC89_L1 和
- cv2.CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法。
-
返回值：
cv2.findContours()函数返回两个值，一个是轮廓本身contours，还有一个是每条轮廓对应的属性hierarchy。
通常情况下，我们选择参数cv2.CHAIN_APPROX_SIMPLE，因为我们只需要最简单的轮廓点的信息。
二、轮廓绘制
现在我们来看另一个函数：
cv2.drawContours(image, contours, contourIdx, color, thickness=None, lineType=None, hierarchy=None, maxLevel=None, offset=None)
-
第一个参数是指明在哪幅图像上绘制轮廓；image为三通道才能显示轮廓
-
第二个参数是轮廓本身，在Python中是一个list;
-
第三个参数指定绘制轮廓list中的哪条轮廓，如果是-1，则绘制其中的所有轮廓。后面的参数很简单。其中thickness表明轮廓线的宽度，如果是-1（cv2.FILLED），则为填充模式。
三、示例
以下图为例：
- 例1：只检测外轮廓，
import cv2
import numpy as np
img = cv2.imread("d:\\contours.png")
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
contour = cv2.findContours(gray,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)[0]
cv2.drawContours(img,contour,-1,(0,0,255),2)
cv2.imshow("res",img)
cv2.waitKey(0)
cv2.destroyAllWindows()
-
例2：将RETR_EXTERNAL改为RETR_TREE，改为检测全部轮廓（之前为检测外部轮廓）：
- 例3：也可以对轮廓进行选取，只需要修改drawContours的参数。
-1 变为1.
import cv2
import numpy as np
img = cv2.imread("d:\\contours.png")
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
contour = cv2.findContours(gray,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)[0]
print(np.array(contour).shape) # 打印出来轮廓的个数
cv2.drawContours(img,contour,1,(0,0,255),2)
cv2.imshow("res",img)
cv2.waitKey(0)
cv2.destroyAllWindows()
(10,)
四、资料
qiaokuankuan的博客：
https://www.cnblogs.com/wuyuan2011woaini/p/15656423.html
网友评论