python-opencv(11)图像轮廓

1. 什么是轮廓

边缘检测能够检测出边缘，但是边缘不是连续的，如果我们将边缘 连接为一个整体，我们便构造出了轮廓。

注意

1. 对于opencv来说构建轮廓的对象是二值图像。所以我们首先要进行阈值分割或者边缘检测的处理。
2. 查找轮廓，会更改原始的图像，所以，我们们通常使用原始的图像，拷贝一份在进行操作。
3. 在opencv中，是从黑色的背景中查找白色对象，因此对象必须是白色，而背景必须是黑色

2. 使用的函数

1. cv2.findContours( ) 查找轮廓图像的函数。
2. cv2.drawContours( ) 将查找到的轮廓绘制到图像上。

首先看第一个函数cv2.findContours( )

1.contours, hierarchy = cv2.findContours( image, mode, method)

相关参数的释义

contours 为轮廓

hierarchy 为图像的拓扑信息(轮廓的层次)

image 为原始图像

mode 为轮廓的检索模式

cv2.RETR_EXTERNAL ：表示只检测外轮廓

cv2.RETR_LIST ：检测的轮廓不建立等级关系

cv2.RETR_CCOMP ：建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层。

cv2.RETR_TREE ：建立一个等级树结构的轮廓（常用这一个）

-method 为轮廓的近似方法

cv2.CHAIN_APPROX_NONE ：存储所有的轮廓点，相邻的两个点的像素位置差不超过1，即max（abs（x1-x2）， abs（y2-y1）） ==1

cv2.CHAIN_APPROX_SIMPLE：压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息

cv2.CHAIN_APPROX_TC89_L1：使用teh-Chinl chain 近似算法

cv2.CHAIN_APPROX_TC89_KCOS：使用teh-Chinl chain 近似算法

2.r=cv2.drawContours(o, contours, contourIdx, color[, thickness])

r 为目标图像

o 原始图像

contours 需要绘制的边缘数组

contourldx 需要绘制的边缘索引，如果全部绘制，则为-1

color 绘制的颜色，位BGR格式的Scalar

thickness 可选，绘制是时所用的画笔的粗细

3. 代码实现

#%%图像轮廓的绘制
import cv2
import numpy as np
import os
img = cv2.imread(r"C:\\Users\\lihuanyu\\Desktop\\opencv\\image\\boyun.png")
#拷贝一份
img1 = img.copy()
#转换为黑色
gray = cv2.cvtColor(img1,cv2.COLOR_BGR2GRAY)
#阈值分割-二值化
ret,binary = cv2.threshold(gray,127,225,cv2.THRESH_BINARY)
#轮廓的提取
#image,contours,hierarchy = cv2.findContours(img2,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
contours, hierarchy =cv2.findContours(binary,cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
o=cv2.drawContours(img1,contours,-1,(0,255,0),5)
cv2.imshow("origial",img)
cv2.imshow("result",o)
cv2.waitKey()
cv2.destroyAllWindows()

结果