1. 轮廓
一个图像中具有相同颜色或强度（灰度图）的连续点所组成的集合，就是轮廓。轮廓可用于图形分析、物体的识别与检测等等。
2.轮廓查找
在图像中，为了防止轮廓边缘强弱不明显，需要先对图像进行二值化或Canny操作（一般改为黑底白字），画轮廓时会修改输入的图像。
2.1 findContours()
查找图形的轮廓
contours, hierarchy = cv2.findContours(img, mode, ApproximationMode…)
contours：查找到所有轮廓的列表（点的集合）
hierarchy：层级，轮廓有无顺序
mode：（检测方式）
RETR_EXTERNAL = 0 ：表示只检测外部轮廓(红色为轮廓)
RETR_LIST = 1 ：检测的轮廓不建立等级关系，从里到外、从右到左，一层一层的编号，返回的列表也是按这个顺序排列的
RETR_CCOMP = 2 ：每层最多两级，从里到外、从右到左，单个图形，每两级为一层
RETR_TREE = 3 ：按树形存储轮廓 ，从右到左，从外到里，一个图形一个图像的来，符合正常逻辑
ApproximationMode：（逼近方式）
CHAIN_APPROX_NONE：保存所有轮廓上的点
CHAIN_APPROX_SIMPLE：只保存角点
2.2 drawContours()
根据获得到的坐标点（contours）绘制轮廓
cv2.drawContours(img, contours, contourIdx, color, thickness…)
img：需要画轮廓的图像
contours：轮廓的点集
contourldx：-1表示绘制所有轮廓 0~n
color：颜色（255，255，255）thinckness：线宽，-1是全部填充，1~n
import cv2 import numpy as np img = cv2.imread('./image/contours1.png') # 转换为灰度图 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 二值化，使轮廓更明显 ret, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY) # 获得轮廓列表 contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE) # 画全部的轮廓 cv2.drawContours(img, contours, -1, (0, 0, 255), 2) cv2.imshow('img', img) # cv2.imshow('gray', gray) cv2.imshow('binary', binary) cv2.waitKey(0)
2.3 contourArea()和arcLength()
求轮廓的面积和周长
contour：点集（轮廓）
cv2.arcLength(curve, closed)
cv2.arcLength(curve, closed)
curve：点集（轮廓）
closed：True/False是否是封闭的轮廓
# 计算面积 area = cv2.contourArea(contours[0]) print('面积 = %d' % area) # 计算周长 len = cv2.arcLength(contours[0], True) print('周长 = %d' % len)
2.4 多边形逼近与凸包
多边形逼近就是按照画多边形的方式画出图形的轮廓，而凸包只需画出大概轮廓即可。左图为多边形逼近，右图为凸包。
approxPolyDP()
多边形逼近轮廓
approx = cv2.approxPolyDP(curve, epsilon, closed)
curve：点集（轮廓）
epsilon：精度（越小越逼近）
closed：是否是闭合的轮廓True/False
返回值approx是一个列表
import cv2 import numpy as np def drawShape(src, points): i = 0 while i<len(points): if i == len(points)-1: x1, y1 = points[i][0] x2, y2 = points[0][0] cv2.line(src, (x1, y1), (x2, y2), (0, 255, 0), 2) else: x1, y1 = points[i][0] x2, y2 = points[i+1][0] cv2.line(src, (x1, y1), (x2, y2), (0, 255, 0), 2) i = i+1 img = cv2.imread('./image/hand.png') # 转换为灰度图 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 二值化，使轮廓更明显 ret, binary = cv2.threshold(gray, 100, 255, cv2.THRESH_BINARY) # 获得轮廓列表 contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE) # 多边形逼近法 e = 5 approx = cv2.approxPolyDP(contours[0], e, True) drawShape(img, approx) print(approx[0][0]) cv2.imshow('img_5', img) # cv2.imshow('gray', gray) cv2.imshow('binary', binary) cv2.waitKey(0)
分别是精度为20，精度为5的逼近图像
convexHull()
凸包
hull = cv2.convexHull(points, clockwise, …)
points：轮廓
clockwose：是否顺时针绘制True/False
返回值同样是一个列表
import cv2 import numpy as np def drawShape(src, points): i = 0 while i<len(points): if i == len(points)-1: x1, y1 = points[i][0] x2, y2 = points[0][0] cv2.line(src, (x1, y1), (x2, y2), (0, 255, 0), 2) else: x1, y1 = points[i][0] x2, y2 = points[i+1][0] cv2.line(src, (x1, y1), (x2, y2), (0, 255, 0), 2) i = i+1 img = cv2.imread('./image/hand.png') # 转换为灰度图 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 二值化，使轮廓更明显 ret, binary = cv2.threshold(gray, 100, 255, cv2.THRESH_BINARY) # 获得轮廓列表 contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE) # 凸包 hull = cv2.convexHull(contours[0]) drawShape(img, hull) cv2.imshow('img', img) cv2.imshow('binary', binary) cv2.waitKey(0)
2.5 外接矩形
分为最大外接矩形和最小外接矩形，如下图所示。
minAreaRect()
最小外接矩形
RotatedRect = cv2.minAreaRect(points)
points：点集（轮廓）
返回值：矩形中心点坐标，宽高，旋转角度
boundingRect()
最大外接矩形
x, y, w, h = cv2.boundingRect(array)
array：点集（轮廓）
返回值是矩形的列表：（x，y是起始坐标，w是宽度，h是高度）
import cv2 import numpy as np img = cv2.imread('./image/hello.jpeg') # 转换为灰度图 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 二值化，使轮廓更明显 ret, binary = cv2.threshold(gray, 100, 255, cv2.THRESH_BINARY) # 获得轮廓列表 contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE) # 获取最小外接矩阵，中心点坐标，宽高，旋转角度 r = cv2.minAreaRect(contours[1]) # 获取矩形四个顶点，浮点型 box = cv2.boxPoints(r) # 取整 box = np.intp(box) # 画轮廓 cv2.drawContours(img, [box], -1, (0, 255, 0), 2) # 获取最大外接矩形 x, y, w, h = cv2.boundingRect(contours[1]) # 画矩形 cv2.rectangle(img, (x, y), (x+w, y+h),(255, 0, 0), 2) cv2.imshow('img', img) cv2.imshow('binary', binary) cv2.waitKey(0)
