快捷導(dǎo)航

opencv python 圖像輪廓/檢測輪廓/繪制輪廓的方法

更新時(shí)間：2019年07月03日 10:09:58 作者：sakurala

這篇文章主要介紹了opencv python 圖像輪廓/檢測輪廓/繪制輪廓的方法，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

圖像的輪廓檢測，如計(jì)算多邊形外界、形狀畢竟、計(jì)算感興趣區(qū)域等。

Contours : Getting Started

輪廓

簡單地解釋為連接所有連續(xù)點(diǎn)（沿著邊界）的曲線，具有相同的顏色或強(qiáng)度.
輪廓是形狀分析和物體檢測和識(shí)別的有用工具

NOTE

為獲得更好的準(zhǔn)確性，請使用二值圖，在找到輪廓之前，應(yīng)用閾值法或canny邊緣檢測
從OpenCV 3.2開始，findContours（）不再修改源圖像，而是將修改后的圖像作為三個(gè)返回參數(shù)中的第一個(gè)返回
在OpenCV中，查找輪廓是從黑色背景中查找白色對象

findContours(image, mode, method[, contours[, hierarchy[, offset]]])

image：原圖像
mode：輪廓檢索模式
method：輪廓近似方法

輸出為：修改后的圖像，輪廓，層次結(jié)構(gòu)

輪廓是所有輪廓的列表.每個(gè)單獨(dú)的輪廓是對象邊界點(diǎn)的坐標(biāo).

輪廓檢索模式	含義
cv2.RETR_EXTERNAL	只檢測外輪廓
cv2.RETR_LIST	提取所有輪廓并將其放入列表,不建立等級關(guān)系
cv2.RETR_CCOMP	建立兩個(gè)等級的輪廓，上面的一層為外邊界，里面的一層為內(nèi)孔的邊界信息。如果內(nèi)孔內(nèi)還有一個(gè)連通物體，這個(gè)物體的邊界也在頂層
cv2.RETR_TREE	建立一個(gè)等級樹結(jié)構(gòu)的輪廓

輪廓逼近方法	含義
cv2.CHAIN_APPROX_NONE	存儲(chǔ)所有的輪廓點(diǎn)，相鄰的兩個(gè)點(diǎn)的像素位置差不超過1，即max（abs（x1-x2），abs（y2-y1））==1
cv2.CHAIN_APPROX_SIMPLE	壓縮水平方向，垂直方向，對角線方向的元素，只保留該方向的終點(diǎn)坐標(biāo)，例如一個(gè)矩形輪廓只需4個(gè)點(diǎn)來保存輪廓信息
cv2.CHAIN_APPROX_TC89_L1 或 cv2.CHAIN_APPROX_TC89_KCOS	應(yīng)用Teh-Chin鏈近似算法

代碼：

import cv2
import numpy as np

img = cv2.imread('img.jpg')
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
im2, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

繪制輪廓

cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]])

image：原圖像
contours：作為Python列表傳遞的輪廓
contourIdx：輪廓索引（在繪制單個(gè)輪廓時(shí)很有用。繪制所有輪廓，傳遞-1）

要繪制圖像中的所有輪廓：
cv.drawContours（img，contours，-1，（0,255,0），3）

要繪制單個(gè)輪廓，比如第4個(gè)輪廓：
cv.drawContours（img，contours，3，（0,255,0），3）

但大多數(shù)情況下，繪制第4個(gè)輪廓，以下方法將非常有用：
cnt = contours[4]
cv.drawContours（img，[cnt]，0，（0,255,0），3）

代碼：

import cv2
import numpy as np

img = cv2.imread('img7.png')
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
im2, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnt = contours[0]
cv2.drawContours(img,[cnt],0,(0,255,0),3)

cv2.imshow('src',img)

cv2.waitKey()