最火爆的人工智能学习基础课程（2021人工智能视觉训练营）

学习网站

B站学习网址：人工智能-计算机视觉

唐宇迪：图像处理与计算机视觉基础分享，其中包含超多实战项目：信用卡数字识别项目、文档扫描OCR识别项目、全景图像拼接项目、停车场车位识别项目、答题卡识别判卷项目、新闻数据集文本分类项目、基于CNN搭建图像识别模型项目等实战项目

前言

今天我们来讲图像轮廓

图像轮廓

轮廓检测前提：二值图像，能够更好的进行边缘检测
步骤：

1. 读入数据（原始图像）
2. 转化为灰度图
3. 对图像数据进行二值处理
4. 展示数据（轮廓检测的图像）

import cv2

def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    
img = cv2.imread('1.png')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
cv_show('thresh',thresh)

执行轮廓检测函数：

binary,contours,hierarchy = cv2.findContours(thresh,cv2.RETRTREE,cv2.CHAIN_APPROX_NONE)

其中，binary就是你二值的图像，contours是储存了你轮廓的信息，最后一个hierachy是一个层级，这个暂时用不上

绘制轮廓：

#传入绘制图像，轮廓，轮廓索引（-1代表所有轮廓），颜色模式，线条厚度
#注意需要copy，要不原图会变
draw_img = img.copy()
res = cv2.drawContours(draw_img,contours,-1,(0,0,255),2)
cv_show('res',res)

轮廓特征

那你把图像轮廓整出来了肯定是想要获取一些特征的，那如何获取这些特征呢？

1. 轮廓面积
   首先，前面的contours是所有的轮廓，所以我们后面的算取面积的时候需要提取一个个的轮廓，即：

cnt = contours[0]	#取第0个轮廓
#面积
cv2.contourArea(cnt)

2. 轮廓周长
   你可以通过轮廓周长进一步筛选轮廓

#周长，True表示闭合的
cv2.arcLength(cnt,True)

3. 轮廓近似
   轮廓近似暂时用不到，这里不做过多阐述
   
4. 边界矩形
   其实说到底，这些就是调用不同的函数而已
   cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)，
   其中（x,y），（x+w,y+h）指的是：
   

#轮廓
cnt = coutours[0]

#边界矩形boundingRect
x,y,w,h = cv2.boundingRect(cnt)
img = cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
cv_show('img',img)

5. 外接圆
   外接圆也是一样，如果感兴趣可以自行CSDN