EEPW论坛

OpenCV-Python系列之轮廓入门

本次我们将讨论OpenCV中的轮廓，轮廓属于OpenCV中的一个很重要的部分，同时我们在之前讲过的Canny边缘检测将作为基础。

轮廓检测

函数原型：

cv2.findContours(image, mode, method, contours=None, hierarchy=None, offset=None)

参数含义：
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。

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。

接下来我们以这幅图为例：

现在我们来进行代码实战：

import cv2
import numpy as np

img = cv2.imread("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()

我们还可以改变参数：

import cv2
import numpy as np

img = cv2.imread("contours.png")
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
contour = cv2.findContours(gray,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)[0]
cv2.drawContours(img,contour,-1,(0,0,255),2)
cv2.imshow("res",img)
cv2.waitKey(0)
cv2.destroyAllWindows()

将RETR_EXTERNAL改为RETR_TREE，改为检测全部轮廓（之前为检测外部轮廓）：

现在我们也可以对轮廓进行选取，我们需要修改drawContours的参数，代码：

import cv2
import numpy as np

img = cv2.imread("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()

通过修改第三个参数我们可以自定义选取哪一个轮廓，这样很方便我们后期的其他操作。

同样的，我们还可以计算有几个轮廓，适用Numpy，我们来看代码：

import cv2
import numpy as np

img = cv2.imread("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)
cv2.drawContours(img,contour,1,(0,0,255),2)
cv2.imshow("res",img)
cv2.waitKey(0)
cv2.destroyAllWindows()

下面的输出栏会打印出来轮廓的个数，改变参数再次实验一下：

import cv2
import numpy as np

img = cv2.imread("contours.png")
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
contour = cv2.findContours(gray,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)[0]
print(np.array(contour).shape)
cv2.drawContours(img,contour,1,(0,0,255),2)
cv2.imshow("res",img)
cv2.waitKey(0)
cv2.destroyAllWindows()

本次教程对于轮廓进行了一些基本的介绍，下次我们将介绍一些关于轮廓的其他内容。