7. 图像轮廓

7.1 什么是图像轮廓

图像轮廓是具有相同颜色或灰度的连续点的曲线. 轮廓在形状分析和物体的检测和识别中很有用。

轮廓的作用:

用于图形分析
物体的识别和检测

注意点:

为了检测的准确性，需要先对图像进行二值化或Canny操作。
画轮廓时会修改输入的图像, 如果之后想继续使用原始图像，应该将原始图像储存到其他变量中。

7.2 查找轮廓

findContours(image, mode, method[, contours[, hierarchy[, offset]]])
- mode 查找轮廓的模式
  - RETR_EXTERNAL = 0, 表示只检测外围轮廓
  - RETR_LIST = 1, 检测的轮廓不建立等级关系, 即检测所有轮廓, 较为常用
  - RETR_CCOMP = 2, 每层最多两级, 从小到大, 从里到外.
  - RETR_TREE = 3, 按照树型存储轮廓, 从大到小, 从右到左.
    
    ![](
- method 轮廓近似方法也叫ApproximationMode
  - CHAIN_APPROX_NONE 保存所有轮廓上的点
  - CHAIN_APPROX_SIMPLE, 只保存角点, 比如四边形, 只保留四边形的4个角, 存储信息少, 比较常用
- 返回 contours和hierachy 即轮廓和层级

import cv2
import numpy as np# 该图像显示效果是黑白的, 但是实际上却是3个通道的彩色图像.
img = cv2.imread('./contours1.jpeg')# 变成单通道的黑白图片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 二值化, 注意有2个返回值, 阈值和结果
ret, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)# cv2.imshow('img', img)
# cv2.imshow('binary', binary)# 轮廓查找, 新版本返回两个结果, 轮廓和层级, 老版本返回3个参数, 图像, 轮廓和层级
result, contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)# 打印轮廓
print(contours)
cv2.waitKey(0)
cv2.destroyAllWindows()

7.3 绘制轮廓

drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]])
- image 要绘制的轮廓图像
- contours轮廓点
- contourIdx 要绘制的轮廓的编号. -1 表示绘制所有轮廓
- color 轮廓的颜色, 如 (0, 0, 255)表示红色
- thickness线宽, -1 表示全部填充

import cv2
import numpy as np# 该图像显示效果是黑白的, 但是实际上却是3个通道的彩色图像.
img = cv2.imread('./contours1.jpeg')# 变成单通道的黑白图片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 二值化, 注意有2个返回值, 阈值和结果
ret, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)# 轮廓查找, 新版本返回两个结果, 轮廓和层级, 老版本返回3个参数, 图像, 轮廓和层级
result, contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)# 绘制轮廓, 注意, 绘制轮廓会改变原图
cv2.drawContours(img, contours, 1, (0, 0, 255), 2)cv2.imshow('img', img)cv2.waitKey(0)
cv2.destroyAllWindows()

7.4 轮廓的面积和周长

轮廓面积是指每个轮廓中所有的像素点围成区域的面积，单位为像素。

轮廓面积是轮廓重要的统计特性之一，通过轮廓面积的大小可以进一步分析每个轮廓隐含的信息，例如通过轮廓面积区分物体大小识别不同的物体。

在查找到轮廓后, 可能会有很多细小的轮廓, 我们可以通过轮廓的面积进行过滤.

contourArea(contour)
arcLength(curve, closed)
- curve即轮廓
- closed是否是闭合的轮廓

import cv2
import numpy as np# 该图像显示效果是黑白的, 但是实际上却是3个通道的彩色图像.
img = cv2.imread('./contours1.jpeg')# 变成单通道的黑白图片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 二值化, 注意有2个返回值, 阈值和结果
ret, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)# 轮廓查找, 新版本返回两个结果, 轮廓和层级, 老版本返回3个参数, 图像, 轮廓和层级
result, contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)# 绘制轮廓, 注意, 绘制轮廓会改变原图
cv2.drawContours(img, contours, 1, (0, 0, 255), 2)# 计算面积
area = cv2.contourArea(contours[1])
print('area: ', area)
cv2.imshow('img', img)# 计算周长
perimeter = cv2.arcLength(contours[1], True)
print('perimeter:', perimeter)cv2.waitKey(0)
cv2.destroyAllWindows()

7.5 多边形逼近与凸包

findContours后的轮廓信息contours可能过于复杂不平滑，可以用approxPolyDP函数对该多边形曲线做适当近似,这就是轮廓的多边形逼近.

apporxPolyDP就是以多边形去逼近轮廓，采用的是Douglas-Peucker算法（方法名中的DP）

DP算法原理比较简单，核心就是不断找多边形最远的点加入形成新的多边形，直到最短距离小于指定的精度。

approxPolyDP(curve, epsilon, closed[, approxCurve])
- curve 要近似逼近的轮廓
- epsilon 即DP算法使用的阈值
- closed轮廓是否闭合

import cv2
import numpy as npimg = cv2.imread('./hand.png')gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 二值化, 注意有2个返回值, 阈值和结果
ret, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)# 轮廓查找, 新版本返回两个结果, 轮廓和层级, 老版本返回3个参数, 图像, 轮廓和层级
result, contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)# 绘制轮廓, 注意, 绘制轮廓会改变原图
cv2.drawContours(img, contours, 0, (0, 0, 255), 2)
# 展示没有进行多边形逼近之前的轮廓# 进行多边形逼近, 返回的是多边形上一系列的点, 即多边形逼近之后的轮廓
approx = cv2.approxPolyDP(contours[0], 20, True)
# print(type(approx))
# print(approx)
# print('--------------------------------------')
# print(contours[0])# 把多边形逼近的轮廓画出来.
cv2.drawContours(img, [approx], 0, (0, 255, 0), 2)
cv2.imshow('img', img)cv2.waitKey(0)
cv2.destroyAllWindows()

逼近多边形是轮廓的高度近似，但是有时候，我们希望使用一个多边形的凸包来简化它。凸包跟逼近多边形很像，只不过它是物体最外层的凸多边形。凸包指的是完全包含原有轮廓，并且仅由轮廓上的点所构成的多边形。凸包的每一处都是凸的，即在凸包内连接任意两点的直线都在凸包的内部。在凸包内，任意连续三个点的内角小于180°。

convexHull(points[, hull[, clockwise[, returnPoints]]])
- points 即轮廓
- colckwise 顺时针绘制

import cv2
import numpy as npimg = cv2.imread('./hand.png')gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 二值化, 注意有2个返回值, 阈值和结果
ret, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)# 轮廓查找, 新版本返回两个结果, 轮廓和层级, 老版本返回3个参数, 图像, 轮廓和层级
result, contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)# 绘制轮廓, 注意, 绘制轮廓会改变原图
cv2.drawContours(img, contours, 0, (0, 0, 255), 2)# 进行多边形逼近, 返回的是多边形上一系列的点, 即多边形逼近之后的轮廓
approx = cv2.approxPolyDP(contours[0], 20, True)# 把多边形逼近的轮廓画出来.
cv2.drawContours(img, [approx], 0, (0, 255, 0), 2)# 计算凸包
hull = cv2.convexHull(contours[0])
cv2.drawContours(img, [hull], 0, (255, 0, 0), 2)cv2.imshow('img', img)cv2.waitKey(0)
cv2.destroyAllWindows()

7.6 外接矩形

外接矩形分为最小外接矩形和最大外接矩形.

下图中红色矩形是最小外接矩形, 绿色矩形为最大外接矩形.

minAreaRect(points) 最小外接矩阵
- points 即为轮廓
- 返回元组, 内容是一个旋转矩形(RotatedRect)的参数: 矩形的起始坐标x,y, 矩形的宽度和高度, 矩形的选择角度.
boundingRect(points) 最大外接矩阵
- points 即为轮廓

import cv2
import numpy as npimg = cv2.imread('./hello.jpeg')gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)ret, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)result, contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)# 最外面的轮廓是整个图像, contours[1]表示图像里面的图形轮廓
# 注意返回的内容是一个旋转的矩形, 包含矩形的起始坐标, 宽高和选择角度
(x, y), (w, h), angle = cv2.minAreaRect(contours[1])print(x, y)
print(w, h)
print(angle)
r = cv2.minAreaRect(contours[1])# 快速把rotatedrect转化为轮廓数据
box = cv2.boxPoints(r)
print(box)
# 轮廓必须是整数, 不能是小数, 所以转化为整数
box = np.round(box).astype('int64')
print(box)
# 绘制最小外接矩形
cv2.drawContours(img, [box], 0, (255, 0, 0), 2)# 返回矩形的x,y和w,h
x,y, w, h = cv2.boundingRect(contours[1])
cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

七.OpenCv图像轮廓相关推荐

《OpenCv视觉之眼》Python图像处理十二 :Opencv图像轮廓提取之基于一阶导数的Roberts算法、Prewitt算法及Sobel算法
本专栏主要介绍如果通过OpenCv-Python进行图像处理,通过原理理解OpenCv-Python的函数处理原型,在具体情况中,针对不同的图像进行不同等级的.不同方法的处理,以达到对图像进行去噪.锐 ...
《OpenCv视觉之眼》Python图像处理十四 :Opencv图像轮廓提取之Scharr算法和Canny算法
本专栏主要介绍如果通过OpenCv-Python进行图像处理,通过原理理解OpenCv-Python的函数处理原型,在具体情况中,针对不同的图像进行不同等级的.不同方法的处理,以达到对图像进行去噪.锐 ...
发现你的身形——OpenCV图像轮廓
文章目录写在最前轮廓发现算法边缘检测写在最后写在最前我的意思不是说你长得很胖,emmmm,而是你的轮廓很大. --五星上将詹姆斯下士如是说果然有图没图,理解是不一样的,这就体现了计算机视 ...
OpenCV 图像轮廓检测
本文是OpenCV图像视觉入门之路的第15篇文章,本文详细的介绍了图像轮廓检测的各种操作,例如:轮廓检索模式.轮廓逼近算子等操作. 图像轮廓是具有相同颜色或灰度的连续点的曲线,轮廓在形状分析和物体的检 ...
OPENCV图像轮廓检测
前面在图像转换的时候学到canny算子,可以检测出图像的轮廓信息,但是,该算子检测到的轮廓信息还需要我们手动的用眼睛去识别,而实际工程应用中,我们需要得到轮廓的具体数学信息,这就涉及到今天的主题,图像 ...
8.opencv——图像轮廓，霍夫变换
图像轮廓,霍夫变换图像轮廓查找轮廓绘制轮廓轮廓特征 1.轮廓的矩 2.轮廓面积 3.轮廓的长度 4. 轮廓的近似多边形 5.轮廓的凸包 6.轮廓的直边界矩形 7.轮廓的旋转矩形 8.轮廓的最小 ...
【笔记】opencv图像轮廓获得平均灰度值在原图上画轮廓观察灰度图的分解
调整大小: image = cv2.resize(image,dst=None,fx=0.5,fy = 0.5,dsize=None) img = cv2.resize(img,dst=None,fx ...
opencv图像轮廓
1.1什么是轮廓 cv2.findContours() 轮廓可以简单认为成连续的点(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.为了准确,要使用二值 ...
图像轮廓提取算法(Opencv基于C++实现）
Opencv图像轮廓提取 0. 实现结果如下: 1. 打开图像代码 2. 轮廓提取函数 3. 代码实现本文主要实现了图像的轮廓提取,首先先给出直观的轮廓实现结果: 0. 实现结果如下: 1. 打开图 ...
【opencv】(6) 图像轮廓处理
各位同学好,今天和大家分享一下opencv中如何获取图像轮廓,以及对轮廓的一些其他操作.内容有: (1)轮廓检测:cv2.findContours():(2)轮廓绘制:cv2.drawContours ...

七.OpenCv图像轮廓