cv2.findContours() 轮廓检测

import cv2
import numpy as np
img=cv2.imread('test.jpg')
imgray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,thresh=cv2.threshold(imgray,127,255,0)
image,contours,hierarchy=cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
cv2.imshow('imageshow',image)  # 显示返回值image，其实与输入参数的thresh原图没啥区别
cv2.waitKey()
print(np.size(contours))  #   得到该图中总的轮廓数量
print(contours[0])   #  打印出第一个轮廓的所有点的坐标， 更改此处的0，为0--（总轮廓数-1），可打印出相应轮廓所有点的坐标
print(hierarchy) #打印出相应轮廓之间的关系
img=cv2.drawContours(img,[contours[0]],-1,(0,255,0),10)  #标记处编号为0的轮廓，此处img为三通道才能显示轮廓
cv2.imshow('drawimg',img)
cv2.waitKey()
cv2.destroyAllWindows()

标题待测轮廓的图像

 

函数原型：

cv2.findContours(image, mode, method, contours=None, hierarchy=None, offset=None)

 

参数含义：

    image 代表输入的图片。注意输入的图片必须为二值图片。若输入的图片为彩色图片，必须先进行灰度化和二值化。

    mode  表示轮廓的检索模式，有4种：

               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。

    method  为轮廓的近似办法，有4种：
                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 和 cv2.CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法。

 

返回值：

cv2.findContours()函数返回两个值，一个是轮廓本身contours，还有一个是每条轮廓对应的属性hierarchy。

contours:

cv2.findContours()函数首先返回一个list，list中每个元素(本例为2个)都是图像中的一个轮廓信息，list中每个元素(轮廓信息)类型为ndarray。len(contours[1]) 表示第一个轮廓储存的元素个数，即该轮廓中储存的点的个数。本例第一个轮廓为矩形，轮廓中有4个点，这是因为当参数mode 设置成： cv2.CHAIN_APPROX_SIMPLE ，轮廓中并不是存储轮廓上所有的点，而是只存储可以用直线描述轮廓的点的个数，比如一个“正立”的矩形，只需4个顶点就能描述轮廓了。

print(type(contours))                         # 输出为：
print(type(contours[0]))                      # 输出为：
print(len(contours))                          # 图像中轮廓的数量，输出为：2
print(len(contours[1]))                       # 轮廓1(矩形)中的元素(点)的数量， 输出为：4

由于我们知道返回的轮廓有两个，因此可通过

cv2.drawContours(img,contours,0,(0,0,255),3)

和

cv2.drawContours(img,contours,1,(0,255,0),3)

分别绘制两个轮廓，关于该参数可参见：cv2.drawContours() 轮廓绘制

 

 

hierarchy:

此外，该函数还可返回一个可选的hiararchy结果，这是一个ndarray，其中的元素个数和轮廓个数相同，每个轮廓contours[i]对应4个hierarchy元素hierarchy[i][0] ~hierarchy[i][3]，分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号，如果没有对应项，则该值为负数。
 

print(hierarchy)

输出：[[[ 1 -1 -1 -1]
                        [-1  0 -1 -1]]]

 

下面具体解释下hierarchy输出的矩阵参数的意义：
           其输出矩矩阵大小为NXM， 其中N为轮廓的个数，M恒等于4，也就是说每一行的4个数，能够表示出轮廓间的相互关系，那么具体是怎样表示的呢

第一个数：表示同一级轮廓的下个轮廓的编号，如果这一级轮廓没有下一个轮廓，一般是这一级轮廓的最后一个的时候，             则为-1

第二个数：表示同一级轮廓的上个轮廓的编号，如果这一级轮廓没有上一个轮廓，一般是这一级轮廓的第一个的时候，则             为-1

第三个数：表示该轮廓包含的下一级轮廓的第一个的编号，假如没有，则为-1

第四个数： 表示该轮廓的上一级轮廓的编号，假如没有上一级，则为-1
 

以如下的图片为例：

hierarchy为：

[[[ 1 -1 -1 -1]   #轮廓0   
  [ 4  0  2 -1]   #轮廓1
 [-1 -1  3  1]   #轮廓2
  [-1 -1 -1  2]   #轮廓3
  [-1  1 -1 -1]]] #轮廓4

轮廓0，它的同级下一个的编号为1,第一个参数为1； 因为这一级别的第一个，第二个参数-1；因为不包含子轮廓，所以第三个参数-1；因为处于第一级，其不属于任何别的级别，所以第四个参数为-1
轮廓1，它的同级下一个的编号为4,第一个参数为4； 因为这一级别的上一个的编号为0，第二个参数0；因为包含子轮廓，且子轮廓的第一个编号（当然只包含一个，多个也是同样的道理）为2，所以第三个参数2；因为处于第一级，其不属于任何别的级别，所以第四个参数为-1

轮廓2，它是第二级的最后一个（因为只有一个），所以第一个参数为-1； 它也是第二级的第一个，所以第二个参数为-1；因为包含子轮廓，且子轮廓的第一个编号（当然只包含一个，多个也是同样的道理）为3，所以第三个参数3； 因为处于第二级，其属于上一级的轮廓1，所以第四个参数为1

依次类推 。。。。。轮廓3

轮廓4  它是同一级（第一级）的最后一个，因此第一个参数为-1；因为这一级别的上一个的编号为1，第二个参数1；因为不包含子轮廓，所以第三个参数-1；因为处于第一级，其不属于任何别的级别，所以第四个参数为-1

 

 

 

 

 

 

 

 

 

 

 

--------------------- 
作者：Lecol_leng 
来源：CSDN 
原文：https://blog.csdn.net/jjddss/article/details/73527990 

作者：Daetalus 
原文：https://blog.csdn.net/sunny2038/article/details/12889059