轮廓查找与绘制总结轮廓查找与绘制总结怎么写

本文分享内容来自图书《学习OpenCV 4：基于Python的算法实战》，该书内容如下：

第1章 OpenCV快速入门；第2章图像读写模块imgcodecs；第3章核心库模块core；第4章图像处理模块imgproc（一）；第5章图像处理模块imgproc（二）；第6章可视化模块highgui；第7章视频处理模块videoio；第8章视频分析模块video；第9章照片处理模块photo；第10章 2D特征模块features2d；第11章相机标定与三维重建模块calib3d；第12章传统目标检测模块objdetect；第13章机器学习模块ml；第14章深度神经网络模块dnn

欢迎关注图书《深度学习计算机视觉实战》与《学习OpenCV4：基于Python的算法实战》。

Canny边缘检测算法可以很好的检测出目标的边缘，但是没有将这些边缘作为一个整体进行处理。而轮廓是一系列连续的点组成的曲线，可以表达物体的基本外形，在目标识别中有着重要作用。

案例65：轮廓查找

OpenCV中提供了轮廓查找的函数findContours，该函数处理的图像可以是Canny边缘检测的结果，也可以是使用阈值化得到的图像，函数定义如下：

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

参数说明如下：

u image，输入图像，需传入二值图像；

u mode，轮廓查找的模式，由RetrievalModes定义（见4.1节）；

u method，轮廓近似方式，由ContourApproximationModes定义（见4.1节）；

u contours，检测到的轮廓的坐标点（返回值）；

u hierarchy，轮廓层次（返回值）；

u offset，每个轮廓点移动的偏移量。

本案例使用的源图像如图5.39所示。

图5.39

轮廓查找的案例代码如下： import cv2 import numpy as np #读取图像，转为灰度图像 img = cv2.imread('contour_src.jpg') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #阈值化 ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU) # 寻找二值图像的轮廓 contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) #打印轮廓数量 print("Contour Numbers:", len(contours)) #打印层次关系 print("hierarchy\n", hierarchy)

执行后的打印信息如下：

Contour Numbers: 4 hierarchy [[[-1 -1 1 -1] [-1 -1 2 0] [-1 -1 3 1] [-1 -1 -1 2]]]

轮廓数量为4个，包括五边形、圆形，四边形和整个图像最外围的轮廓。

hierarchy为轮廓的层次关系，每一个轮廓中的四个元素的含义对应为：[下一个轮廓索引，上一个轮廓索引，第一个子轮廓索引，父轮廓索引]，如果对应的关系不存在则对应位置的值为-1。hierarchy与参数mode有关，不同的mode对应的hierarchy不同。

案例66：轮廓绘制

对于查找到的轮廓，可以使用OpenCV中提供的轮廓绘制函数drawContours进行绘制，函数定义如下：

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

参数说明如下：

u image，输入图像，在该图像上绘制轮廓（返回值）；

u contours，查找到的轮廓；

u contourIdx，绘制的轮廓编号，全部绘制则编号为负数；

u color，绘制颜色；

u thickness，绘制线的粗细；

u lineType，绘制线的线型，由LineTypes定义（见4.1节）；

u hierarchy，绘制轮廓的层次；

u maxLevel，轮廓绘制级别；

u offset，绘制轮廓偏移。

轮廓查找与轮廓绘制的完整案例代码如下：

import cv2 import numpy as np #读取图像，转为灰度图像 img = cv2.imread('contour_src.jpg') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #阈值化 ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU) # 寻找二值图像的轮廓 contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) #打印轮廓数量 print("Contour Numbers:", len(contours)) #打印层次关系 print("hierarchy\n", hierarchy) #创建白底图像 contours_img = np.zeros(img.shape[:], dtype=np.uint8) contours_img[:] = 255 #绘制轮廓 cv2.drawContours(contours_img, contours, -1, (0, 0, 255), 2) cv2.imshow('contours_result', contours_img) cv2.waitKey(0) cv2.destroyAllWindows()