1.前言
轮廓检测是计算机检测图像和视频主体轮廓的重要步骤，常用于人脸检测和物体追踪等方向
本节我们将学习：边界、最小矩形及最小外接圆轮廓检测、凸轮廓Douglas-Peucker算法
2.边界、最小矩形及最小外接圆
在Opencv中确定主体的边框、最小外接矩形和圆非常简单
我们只需要使用cv2.findContours()函数即可完成
2.1程序流程
- 首先，从文件中读取一幅图像，并转换成灰度图
- 对灰度图像阈值化，使之转换为黑白图
为什么？因为cv2.findContours()函数只能读黑白图，所以需要调用cv2.threshold()函数，而 阈值函数只能读灰度图
- 针对每一个轮廓寻找并画出边框，最小外接矩形和最小外接圆
- 最后，绘制轮廓并在窗口中显示
代码如下：
import cv2 import numpy as np img = cv2.imread('hammer.jpg',cv2.IMREAD_UNCHANGED) img = cv2.pyrDown(img) img2 = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) ret, thresh = cv2.threshold(img2,127, 255, cv2.THRESH_BINARY) contours,hier = cv2.findContours(thresh,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE) for c in contours: # 画出边框 x,y,w,h = cv2.boundingRect(c) cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2) # 找到最小外接矩形 rect = cv2.minAreaRect(c) # 计算最小外接矩形的坐标 box = cv2.boxPoints(rect) # 将坐标归一化为整数 box = np.int0(box) # 画图 cv2.drawContours(img,[box],0,(0,0,255),3) # 计算最小外接圆的半径和圆心 (x,y),radius = cv2.minEnclosingCircle(c) # 转化为整数 center = (int(x),int(y)) radius = int(radius) # 画圆 cv2.circle(img,center,radius,(255,0,255),5) # 画轮廓 cv2.drawContours(img,contours,-1,(255,0,0),3) cv2.imshow("contour",img) cv2.waitKey(0) cv2.destroyAllWindows()
注意：轮廓检测是在黑白图像上进行的，因此该阶段颜色信息已经丢失了。但我们是在原始彩色图像上绘制的，所以显示的是彩色结果
2.2cv2.findContours()函数
cv2.findContours()函数
功能：查找检测物体的轮廓
输入参数：
1.黑白图（thresh），不是灰度图
2.指定函数返回的层次结构树类型
3.轮廓的近似办法
返回值：
1.轮廓本身
2.每条轮廓对应的属性
2.3cv2.drawContours()函数
cv2drawContours()函数
功能：根据cv2.findContours()返回的contours，绘制轮廓
输入参数：
1.输入图像(img)
2.轮廓(contours)
3.绘制轮廓的范围(-1是绘制所有的轮廓线；否则，绘制数组索引的轮廓线)
4.颜色（B，G，R）
5.线宽
2.4bug的发现与解决
在写代码的过程中，发现一个小bug
我将源图片转成黑白图并在这张图上绘制轮廓（而不是在彩色图片上绘制）
如下图，第79行cv2.circle(img,center,radius,(255,0,255),5)，假设B=0，G、R>0,那么无法绘制圆形轮廓
然而，若B>0时，则会出现想要的轮廓
为什么？
# 画圆，输入参数依次为：1.图片，2.圆心，3.半径，4.颜色，5.线宽（-1表示填充整个圆形） cv2.circle(img,(300,300),50,(0,0,255),-1)
在cv2.circle()函数中，第4个参数，若img是彩色图，那么可以用(0,0,255)表示颜色，若img是灰度图，那么只能由一个数（0~255），表示绘制线的亮度
所以，当我在灰度图中，放了一个(0,0,255)/(0,255,0)，由于灰度图只读第一个参数(这里读到的是第一个参数—— 0)，所以不会绘制任何轮廓
如果我放了(255,0,0),第一个参数不是0，那么就可以绘制出轮廓
3.凸轮廓和Douglas-Peucker算法
处理轮廓时，会遇到各种奇形怪状的图形，这时我们可用下面三条函数绘制轮廓
3.1相关程序
import cv2 import numpy as np img = cv2.imread('hammer.jpg', cv2.IMREAD_UNCHANGED) img = cv2.pyrDown(img) img2 = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ret, thresh = cv2.threshold(img2, 127, 255, cv2.THRESH_BINARY) contours, hier = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) cv2.drawContours(img, contours, -1, (255, 0, 0), 3) for c in contours: epsilon = 0.01*cv2.arcLength(c,True) approx = cv2.approxPolyDP(c,epsilon,True) # 绘制凸形 hull = cv2.convexHull(c) cv2.drawContours(img,[c],-1,(0,255,0),2) cv2.drawContours(img,[approx],-1,(255,0,255),2) cv2.drawContours(img,[hull],-1,(0,0,255),2) cv2.imshow("contour", img) cv2.waitKey(0) cv2.destroyAllWindows()
先看效果
3.2cv2.approxPolyDP()函数
cv2.approxPolyDP()函数
功能：描绘近似多边形轮廓
输入参数：
1.轮廓
2.原始轮廓和近似多边形之间的最大误差δ值
3.布尔标志，如果是True，表示多边形是闭合的
δ值：δ是近似多边形周长和原始轮廓线周长之差的最大值，δ值越低，近似值越接近原始轮廓
一般我们可以用轮廓的周长作为参考值：
δ = epsilon =0.01*cv2.arcLength(c,True)
epsilon = 0.01*cv2.arcLength(c,True) approx = cv2.approxPolyDP(c,epsilon,True)
此时，δ 是原弧度的1%
4.结语
本来还想讲一下霍夫变换的，无奈本人才疏学浅，天性愚钝🤔而且霍夫变换的理论部分又晦涩难懂，便留到下一节再讲吧
讲完霍夫变换，入门篇也差不多学完了，接下来打算实战一下，把15篇博客统一整理一下。毕竟蓦然回首当初写的文章，不能说拉跨吧，只能说完全看不下去😅😅😅
或许可以整理成一本书？让我们看看接下来会发生什么哈哈哈哈哈哈🤣🤣🤣
