OpenCV半小时掌握基本操作之图像轮廓 OpenCV半小时掌握基本操作之图

概述
图像轮廓
绘制轮廓
轮廓特征
轮廓近似
边界矩形
外接圆

【OpenCV】??高手勿入! 半小时学会基本操作 ?? 图像轮廓

概述 OpenCV 是一个跨平台的计算机视觉库, 支持多语言, 功能强大. 今天小白就带大家一起携手走进 OpenCV 的世界.

图像轮廓 cv2.findContours可以帮助我们查找轮廓.
格式:

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

参数:
image: 需要查找轮廓的图片
mode: 模式

RETR_EXTERNAL: 只检测最外面的轮廓
RETR_LIST: 检测所有的轮廓, 并将其保存到一条链表中
RETR_CCOMP: 检索所有的轮廓, 将他们组织为两层: 顶部是各分部法外部边界, 第二层是空洞的边界
RRTR_TREE: 检索所有的轮廓, 并重构嵌套轮廓的整个层次

method: 轮廓逼近的方法

CHAIN_APPROX_NONE: 以 Freeman 链码的方式输出轮廓, 所有其他方法输出多边形 (定点的序列)
CHAIN_APPROX_SIMPLE: 压缩水平的, 垂直的和斜的部分, 只保留他们的终点部分

返回值:

contours:轮廓本身
hierarchy: 轮廓的对应编号

原图:

文章图片

绘制轮廓 cv2.drawContours可以实现轮廓绘制.
格式:

cv2.drawContours(image, contours, contourIdx, color, thickness=None, lineType=None, hierarchy=None, maxLevel=None, offset=None):

参数:

image: 需要绘制轮廓的图片
contours: 轮廓
color: 颜色
thickness: 轮廓粗细

文章图片

绘制所有轮廓:

# 读取图片img = cv2.imread("contours.jpg")# 转换成灰度图gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 二值化ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)# 获取轮廓 (所有)contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)# 绘制轮廓draw_img = img.copy()res = cv2.drawContours(draw_img, contours, -1, (0, 0, 255), 2)# 图片展示cv2.imshow("res", res)cv2.waitKey(0)cv2.destroyAllWindows()

输出结果:

文章图片

绘制单个轮廓:

# 读取图片img = cv2.imread("contours.jpg")# 转换成灰度图gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 二值化ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)# 获取轮廓contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)# 绘制轮廓 (单一)draw_img = img.copy()res = cv2.drawContours(draw_img, contours, 0, (0, 0, 255), 2)# 图片展示cv2.imshow("res", res)cv2.waitKey(0)cv2.destroyAllWindows()

输出结果:

文章图片

轮廓特征

# 获取轮廓cnt = contours[0]# 取第一个轮廓# 面积area = cv2.contourArea(cnt)print("轮廓面积:", area)# 周长, True表示合并perimeter = cv2.arcLength(cnt, True)print("轮廓周长:", perimeter)

输出结果:

轮廓面积: 8500.5
轮廓周长: 437.9482651948929

轮廓近似原图:

文章图片

代码:

# 读取图片img = cv2.imread("contours2.jpg")# 转换成灰度图gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 二值化ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)# 获取轮廓contours, hieratchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)# 绘制轮廓draw_img = img.copy()res = cv2.drawContours(draw_img, contours, 0, (0, 0, 255), 2)# 图片展示cv2.imshow("res", res)cv2.waitKey(0)cv2.destroyAllWindows()# 取外围轮廓cnt = contours[0]# 轮廓近似epsilon = 0.1 * cv2.arcLength(cnt, True)approx = cv2.approxPolyDP(cnt, epsilon, True)# 绘制轮廓draw_img = img.copy()res = cv2.drawContours(draw_img, [approx], -1, (0, 0, 255), 2)# 图片展示cv2.imshow("res", res)cv2.waitKey(0)cv2.destroyAllWindows()

输出结果:
直接绘制轮廓:

文章图片

轮廓近似:

文章图片

边界矩形 cv2.boundingRect可以帮助我们得到边界矩形的位置和长宽.
例子:

# 读取图片img = cv2.imread("contours.jpg")# 转换成灰度图gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 二值化ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)# 获取轮廓contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)# 获取第一个轮廓cnt = contours[0]# 获取正方形坐标长宽x, y, w, h = cv2.boundingRect(cnt)# 图片展示img = cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)cv2.imshow("img", img)cv2.waitKey(0)cv2.destroyAllWindows()# 轮廓面积area = cv2.contourArea(cnt)# 边界矩形面积rect_area = w * h# 占比extent = area / rect_areaprint('轮廓面积与边界矩形比:', extent)

输出结果:

轮廓面积与边界矩形比: 0.5154317244724715

文章图片

外接圆 cv2.minEnclosingCircle可以帮助我们得到外接圆的位置和半径.
例子:

# 读取图片img = cv2.imread("contours.jpg")# 转换成灰度图gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 二值化ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)# 获取轮廓contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)# 获取第一个轮廓cnt = contours[0]# 获取外接圆(x, y), radius = cv2.minEnclosingCircle(cnt)# 获取图片img = cv2.circle(img, (int(x), int(y)), int(radius), (255, 100, 0), 2)# 图片展示cv2.imshow("img", img)cv2.waitKey(0)cv2.destroyAllWindows()

输出结果: