快捷導(dǎo)航

python 基于opencv 繪制圖像輪廓

更新時(shí)間：2020年12月11日 16:49:00 作者：我堅(jiān)信陽光燦爛

這篇文章主要介紹了python 基于opencv 繪制圖像輪廓的示例，幫助大家更好的利用python的opencv庫處理圖像，感興趣的朋友可以了解下

圖像輪廓概念

輪廓是一系列相連的點(diǎn)組成的曲線，代表了物體的基本外形。
談起輪廓不免想到邊緣，它們確實(shí)很像。簡單的說，輪廓是連續(xù)的，邊緣并不全都連續(xù)（下圖）。其實(shí)邊緣主要是作為圖像的特征使用，比如可以用邊緣特征可以區(qū)分臉和手；而輪廓主要用來分析物體的形態(tài)，比如物體的周長和面積等，可以說邊緣包括輪廓。

尋找輪廓的操作一般用于二值圖像，所以通常會使用閾值分割或Canny邊緣檢測先得到二值圖。

注意：尋找輪廓是針對白色物體的，一定要保證物體是白色，而背景是黑色，不然很多人在尋找輪廓時(shí)會找到圖片最外面的一個框。

opencv找出圖像輪廓

使用cv.findContours()尋找輪廓：

import cv2 as cv
import numpy as np

img = cv.imread('j.png')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
ret, thresh = cv.threshold(img_gray, 0, 255, cv.THRESH_BINARY_INV + cv.THRESH_OTSU)

# 尋找二值圖像的輪廓
contours, hierarchy = cv.findContours(
  thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)

print(len(contours))

參數(shù)2：輪廓的查找方式，一般使用cv.RETR_TREE，表示提取所有的輪廓并建立輪廓間的層級。
參數(shù)3：輪廓的近似方法。比如對于一條直線，我們可以存儲該直線的所有像素點(diǎn)，也可以只存儲起點(diǎn)和終點(diǎn)。使用cv.CHAIN_APPROX_SIMPLE就表示用盡可能少的像素點(diǎn)表示輪廓。
簡便起見，這兩個參數(shù)也可以直接用真值3和2表示。
函數(shù)有2個返回值，hierarchy是輪廓間的層級關(guān)系，這個不用理會。我們主要看contours，它就是找到的輪廓了，以鏈表形式存儲，記錄了每條輪廓的所有像素點(diǎn)的坐標(biāo)(x,y)。

opencv繪制圖像輪廓

輪廓找出來后，可以像圖中那樣用紅色畫出來：cv.drawContours()

cv.drawContours(img, contours, -1, (0, 0, 255), 2)
其中參數(shù)2就是得到的contours，參數(shù)3表示要繪制哪一條輪廓，-1表示繪制所有輪廓，參數(shù)4是顏色（B/G/R通道，所以(0,0,255)表示紅色），參數(shù)5是線寬。

經(jīng)驗(yàn)之談：很多人畫圖時(shí)明明用了彩色，但沒有效果，請檢查你是在哪個圖上畫，畫在灰度圖和二值圖上顯然是沒有彩色的。

一般情況下，我們會首先獲得要操作的輪廓，再進(jìn)行輪廓繪制及分析：
cnt = contours[1]
cv.drawContours(img, [cnt], 0, (0, 0, 255), 2)

實(shí)驗(yàn)：找出并繪制圖像輪廓

import cv2 as cv
import numpy as np

img = cv.imread('jiao.jpg')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
ret, thresh = cv.threshold(img_gray, 0, 255, cv.THRESH_BINARY_INV + cv.THRESH_OTSU)

# 尋找二值圖像的輪廓
contours, hierarchy = cv.findContours(
  thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
cnt = contours[1:6]

cv.drawContours(img, cnt, -1, (0, 0, 255), 2)

cv.imshow('result',img)
cv.waitKey(0)
cv.destroyAllWindows()