图像轮廓

图像轮廓

1. 什么是轮廓
   轮廓可以简单认为成将连续的点（连着边界）连在一起的曲线，具有相同的颜色或者灰度。轮廓在形状分析和物体的检测和识别中很有用。

2. 怎样查找轮廓

   cv2.findContours(image, mode, method[, offset])
   #寻找一个二值图像的轮廓。注意黑色表示背景，白色表示物体，即在黑色背景里寻找白色物体的轮廓
   

   参数：
   image:8位单通道图像。非零像素值视为1，所以图像视作二值图像
   mode:轮廓检索的方式

   mode	轮廓检索的方式
   cv2.RETR_EXTERNAL	只检索外部轮廓
   cv2.RETR_LIST	检测所有轮廓且不建立层次结构
   cv2.RETR_CCOMP	检测所有轮廓，建立两级层次结构
   cv2.RETR_TREE	检测所有轮廓，建立完整的层次结构

   method:轮廓近似的方法

   method	轮廓近似的方法
   cv2.CHAIN_APPROX_NONE	存储所有的轮廓点
   cv2.CHAIN_APPROX_SIMPLE	压缩水平，垂直和对角线段，只留下端点。 例如矩形轮廓可以用4个点编码。
   cv2.CHAIN_APPROX_TC89_L1	使用Teh-Chini chain近似算法

   offset:（可选参数）轮廓点的偏移量，格式为tuple,如（-10，10）表示轮廓点沿X负方向偏移10个像素点，沿Y正方向偏移10个像素点

   返回值
   contours:轮廓点。列表格式，每一个元素为一个3维数组（其形状为（n,1,2），其中n表示轮廓点个数，2表示像素点坐标）,表示一个轮廓
   hierarchy:轮廓间的层次关系,为三维数组，形状为（1,n,4），其中n表示轮廓总个数，4指的是用4个数表示各轮廓间的相互关系。第一个数表示同级轮廓的下一个轮廓编号，第二个数表示同级轮廓的上一个轮廓的编号，第三个数表示该轮廓下一级轮廓的编号，第四个数表示该轮廓的上一级轮廓的编号。

   例：查找轮廓

   import cv2 
   import numpy as np
   
   img = cv2.imread("lena.jpg")
   # BGR转灰度图像
   img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
   # 二值化
   ret,thresh = cv2.threshold(img_gray,127,255,0)
   # 查找轮廓
   image,contours,hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
   
   cv2.imshow('img',img) # 原图
   cv2.imshow('image',image) # 轮廓图
   cv2.waitKey(0)
   cv2.destroyAllWindows()
   

   输出结果：

查找轮廓.png

​

1. 绘制轮廓

cv2.drawContours(image, cnt, -1, (0, 0, 255), 2)

参数

第一个参数：绘制图像
第二个参数：findContours函数返回的轮廓参数
第三个参数：画第几个轮廓，-1表示画出所有轮廓
第四个参数：轮廓颜色的RGB值
第五个参数：轮廓的宽度

例：绘制轮廓

import cv2 
import numpy as np

img = cv2.imread("lena.jpg")
# BGR转灰度图像
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# 二值化
ret,thresh = cv2.threshold(img_gray,127,255,0)
# 查找轮廓
image,contours,hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
# 绘制轮廓
img = cv2.drawContours(img,contours,-1,(0,255,0),1)
cv2.imshow('img',img) # 在原图上绘制轮廓
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果：

绘制轮廓.png

参考资料：
《OpenCV-Python 中文教程》
参考网站：
https://blog.csdn.net/qq_40344307/article/details/92183919