目录
17 轮廓：入门
17.1 目标
- 了解轮廓是什么。
- 学习查找轮廓，绘制轮廓等。
- 你将看到以下功能：cv.findContours()，cv.drawContours()
17.2 什么是轮廓?
轮廓可以简单地解释为连接具有相同颜色或强度的所有连续点（沿边界）的曲线。轮廓是用于形状分析以及对象检测和识别的有用工具。
- 为了获得更高的准确性，请使用二进制图像。因此，在找到轮廓之前，请应用阈值或canny边缘检测。
- 从OpenCV 3.2开始，findContours()不再修改源图像。
- 在OpenCV中，找到轮廓就像从黑色背景中找到白色物体。因此请记住，要找到的对象应该是白色，背景应该是黑色。
让我们看看如何找到二进制图像的轮廓：
import numpy as np import cv2 as cv im = cv.imread('test.jpg') imgray = cv.cvtColor(im, cv.COLOR_BGR2GRAY) ret, thresh = cv.threshold(imgray, 127, 255, 0) contours, hierarchy = cv.findContours(thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
findcontour()函数中有三个参数：
| 参数 | 描述 |
| src | 源图像 |
| mode | 轮廓检索模式 |
| method | 轮廓逼近方法 |
输出等高线和层次结构。轮廓是图像中所有轮廓的Python列表。每个单独的轮廓是一个(x,y)坐标的Numpy数组的边界点的对象。
注意：稍后我们将详细讨论第二和第三个参数以及有关层次结构。在此之前，代码示例中赋予它们的值将适用于所有图像。
17.3 如何绘制轮廓?
要绘制轮廓，请使用cv.drawContours()函数。只要有边界点，它也可以用来绘制任何形状。以下是其参数以及作用：
cv.drawContours(src, contours, contourIDx, color, tickness)
| 参数 | 描述 |
| src | 源图像 |
| contours | 作为Python列表传递的轮廓 |
| contourIDx | 轮廓的索引（在绘制单个轮廓时有用。要绘制所有轮廓，请传递-1）。 |
| color | 颜色 |
| tickness | 厚度 |
- 在图像中绘制所有轮廓：
cv.drawContours(img, contours, -1, (0,255,0), 3)
- 绘制单个轮廓，如第四个轮廓：
cv.drawContours(img, contours, 3, (0,255,0), 3)
- 但是在大多数情况下，以下方法会很有用：
cnt = contours[4] cv.drawContours(img, [cnt], 0, (0,255,0), 3)
注意：最后两种方法相似，但是前进时，您会发现最后一种更有用。
17.4 轮廓近似方法
这是cv.findContours()函数中的第三个参数。它实际上表示什么？
上面我们告诉我们轮廓是强度相同的形状的边界。它存储形状边界的(x,y)坐标。但是它存储所有坐
标吗？这是通过这种轮廓近似方法指定的。
如果传递cv.CHAIN_APPROX_NONE()，则将存储所有边界点。但是实际上我们需要所有这些要点吗？例如，您找到了一条直线的轮廓。您是否需要线上的所有点来代表该线？不，我们只需要该线的两个端点即可。这就是cv.CHAIN_APPROX_SIMPLE所做的。它删除所有冗余点并压缩轮廓，从而节省内存。
下面的矩形图像演示了此技术。只需在轮廓数组中的所有坐标上绘制一个圆（以蓝色绘制）。第一幅图像显示了我用cv.CHAIN_APPROX_NONE获得的积分（734个点），第二幅图像显示了我用cv.CHAIN_APPROX_SIMPLE获得的效果（只有4个点）。看，它可以节省多少内存！！！
编辑
这里 都是基础属性，重要的在后面，请持续观看，一起学习一起进步，加油！！！奥利给！！！
欢迎评论区留言，一起探讨OpenCV成神之路的奥秘。
顺便给我加个关注，点个赞，加个收藏，让我们一起登上神坛。
编辑
