霍夫变换看不懂？小啾带你串一遍：OpenCV图形检测专题 这样学最简单【Python-Open_CV系列（十一）】
文章目录
图形检测在计算机视觉开发中是一项非常重要的操作，算法通过对图像的检测，分析出图像中可能存在哪些形状。除此之外，除了让计算机识别轮廓之外，轮廓也需要让人看到，这就需要再分别读这些轮廓的形状进行描绘。
1. 轮廓识别与描绘 - cv2.findContours() & cv2.drawContours() 方法
在Python中OpenCV提供了findContours() 方法来判断图像的轮廓，drawContours()方法来绘制轮廓。
1.1 cv2.findComtours()方法
cv2.findComtours()方法的语法如下
cv2.contours, hierarchy = findContours(image, mode, method)
其中
- image 即原图像
- mode 轮廓检索模式，具体参数被总结在了下表中
- method 使用的方法，具体参数也被总结在了下表中
contours是一个列表，列表的每一个元素都是由某个轮廓的像素的坐标组成的数组。
hierarchy是轮廓与轮廓之间的层次关系。
mode取值表
mode值 |
描述 |
cv2.RETR_EXTERNAL |
只检测外轮廓 |
cv2.RETR_LIST |
检测所有轮廓，但不建立层次关系 |
cv2.RETR_CCOMP |
检测所有轮廓，并建立两级层次关系 |
cv2.RETR_TREE |
建立所有轮廓，并建立树状结构的层次关系 |
method取值表
cv2.PATH_APPROX_ |
储存轮廓上所有点 |
cv2.PATH_APPROX_NONE |
只保存水平、垂直或对角线轮廓的端点 |
cv2.PATH_APPROX_SIMPLE |
Ten-Chinl |
cv2.PATH_APPROX_TC89_L1 |
Ten-Chinl近似算法的一种 |
cv2.PATH_APPROX_TC89_KCOS |
Ten-Chinl近似算法的一种 |
1.2 cv2.drawContours() 方法
cv2.drawContours(image, contours, contourIdx, color, thickness=None, lineType=None, hierarchy=None, maxLevel=None, offset=None)
- image 目标图像
- contours findComtours()方法得到的轮廓列表
- contourldx 轮廓中列表中，绘制轮廓的对象的索引，如果为-1则表示绘制所有
- color 绘制线条时的颜色，使用BGR格式描述
- thickness 线条粗细程度，-1表示实心
- lineType 绘制轮廓时线条的类型（可选参数）
- hierarchy findComtours()方法得到的层次关系（可选参数）
- maxLevel 绘制轮廓的层次深度，最深绘制在maxLevel层。（可选参数）
- offset 偏移量 （可选参数）
drawContours() 方法返回的是一个图像（数组）。
1.3 代码示例
以队此小鸟图操作为例（test1.jpg）
import cv2 img = cv2.imread("test1.jpg") # 彩色图像转为变成单通道灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 二值化处理 t, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 检测图像中出现的所有轮廓，记录轮廓的每一个点 contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE) # 绘制所有轮廓，宽度为5，颜色为红色 cv2.drawContours(img, contours, -1, (0, 0, 255), 5) cv2.imshow("img", img) cv2.waitKey() cv2.destroyAllWindows()
程序执行结果展示如下，图中所有能够识别出的轮廓被描出：
2. 轮廓拟合
轮廓拟合，即，将凹凸不平的轮廓用平整的几何图形体现出来。这里展示使用矩形和圆形拟合两种方法。
2.1 矩形包围框拟合 - cv2.boundingRect()
在Python中OpenCV提供了cv2.boundingRect()来计算轮廓的最小矩形边界的坐标 ，其语法如下
retval = cv2.boundingRect(array)
其中参数array为轮廓数组。即，cv2.findComtours()方法的执行结果中的contours中的元素。
返回值retval是一个包含着四个整数值的元组，四个值依次是左上角顶点的横坐标，左上角顶点的纵坐标，矩形的宽，矩形的高。
常常也可以写成x,y,w,h = retval = cv2.boundingRect(array)
还以这张小鸟图片（test1.jpg）为例，在上一个部分的示例中，我们找出并绘制出了图中所有的轮廓，经过调试，发现被识别出的轮廓共有94个。
我们要从数组列表中，选择出表示小鸟轮廓的位置的数组。
从上图中可以看出，小鸟的轮廓是所有轮廓中最大的。即该数组的 shape[0] 最大。即我们只用找出 shape[0]最大的即可。
import cv2 img = cv2.imread("test1.jpg") # 从彩色图像变成单通道灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 将灰度图像进行二值化阈值处理 t, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 获取二值化图像中的轮廓极轮廓层次数据 contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE) # 找出小鸟的轮廓 n1 = 1 n2 = 0 index = 0 for arr in contours: if len(arr) > n1: n1 = len(arr) index = n2 n2 += 1 print(index) x, y, w, h = cv2.boundingRect(contours[index]) # 绘制红色矩形 cv2.rectangle(img, (x, y), (x + w, y + h), (0, 0, 255), 2) cv2.imshow("img", img) cv2.waitKey() cv2.destroyAllWindows()
绘制出矩形包围框效果如下：
2.2圆形包围框拟合 - cv2.minEnclosingCircle()
在Python中OpenCV提供了cv2.minEnclosingCircle()来计算轮廓的最小圆形边界的圆心和半径 ，其语法如下
center,radius = minEnclosingCircle(points)
其中
points的轮廓数组
center最小圆形包围框的圆心的横纵坐标。是元组类型。
radius是最小圆形包围款更多半径，浮点类型。
同样的算法，只是这次调用cv2.minEnclosingCircle()方法，其他不变：
import cv2 img = cv2.imread("test1.jpg") # 读取原图 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 从彩色图像变成单通道灰度图像 # 将灰度图像进行二值化阈值处理 t, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 获取二值化图像中的轮廓极轮廓层次数据 contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE) n1 = 1 n2 = 0 index = 0 for arr in contours: if len(arr) > n1: n1 = len(arr) index = n2 n2 += 1 center, radius = cv2.minEnclosingCircle(contours[index]) # 圆心点横坐标转为近似整数 x = int(round(center[0])) # 圆心点纵坐标转为近似整数 y = int(round(center[1])) cv2.circle(img, (x, y), int(radius), (0, 0, 255), 2) cv2.imshow("img", img) cv2.waitKey() cv2.destroyAllWindows()
绘制出圆形包围框效果如下（因为尺寸问题，只画出了一部分）：
3. 凸包 绘制
使用矩形框和圆形框对图形的贴合程度往往都会较差。为了提高这个贴合程度，我们可以使用“凸包”。
所谓凸包，就是最逼近轮廓的多边形。
在Python中OpenCV提供了 cv2.bonvexHull()方法来计算凸包
cv2.bonvexHull()方法语法如下：
hull = convexHull(points, clockwise=None, returnPoints=None)
其中
- points 是轮廓数组
- clockwise 是布尔类型的参数，默认为True，表示凸包中的点按顺时针排序，为False时则按逆时针 排序。
- returnPoints 是布尔类型的参数，默认为True时返回点坐标。如果为False则返回点索引。
返回值hull是凸包的点阵数组
依然以“test1.jpg为例”，为图中的小鸟绘制凸包：
import cv2 img = cv2.imread("test1.jpg") # 转为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 二值化阈值处理 ret, binary = cv2.threshold(gray, 127, 225, cv2.THRESH_BINARY) # 检测图像中出现的所有轮廓 contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE) n1 = 1 n2 = 0 index = 0 for arr in contours: if len(arr) > n1: n1 = len(arr) index = n2 n2 += 1 hull = cv2.convexHull(contours[index]) cv2.polylines(img, [hull], True, (0, 0, 255), 2) cv2.imshow("img", img) cv2.waitKey() cv2.destroyAllWindows()
