OpenCV--图像轮廓

图像轮廓 Contours

cv2.findContours(img,mode,method)
- img: 二值图像
- mode: 轮廓检索模式
- RETR_EXTERNAL ：只检索最外面的轮廓；
- RETR_LIST：检索所有的轮廓，并将其保存到一条链表当中；
- RETR_CCOMP：检索所有的轮廓，并将他们组织为两层：顶层是各部分的外部边界，第二层是空洞的边界;
- RETR_TREE：检索所有的轮廓，并重构嵌套轮廓的整个层次; （通常选这个）

method:轮廓逼近方法

CHAIN_APPROX_NONE：以Freeman链码的方式输出轮廓，所有其他方法输出多边形（顶点的序列）。
CHAIN_APPROX_SIMPLE:压缩水平的、垂直的和斜的部分，也就是，函数只保留他们的终点部分。

返回值

contours 是一个list，list中每个元素都是图像中的一个轮廓，用numpy中的ndarray表示
hierarchy 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

如果报错
binary, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
ValueError: not enough values to unpack (expected 3, got 2)

要想返回三个参数：
把OpenCV 降级成3.4.3.18 就可以了，在终端输入pip install opencv-python==3.4.3.18
OpenCV 新版返回两个参数：
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
.
查看opencv版本：print(cv2.version)
我的opecv版本为： 4.2.0

hierarchy [ˈhaɪərɑːrki] 层级；等级制度

绘制轮廓

cv2.drawContours
参数如下：传入绘制图像，轮廓，轮廓索引，颜色模式，线条厚度

img = cv2.imread('contours.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# cv_show(thresh,'thresh')
# 计算轮廓
binary, contours, hierarchy  = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)  #binary上面处理完的结果 contours轮廓信息 hierarchy层级

# 绘制轮廓
draw_img1 = img.copy()  # 需进行copy,因drawContours会在原图上绘制,改变原图
draw_img2 = img.copy()
draw_img3 = img.copy()
#传入绘制图像，轮廓，轮廓索引，颜色模式，线条厚度
all_contours = cv2.drawContours(draw_img1, contours, -1, (0, 0, 255), 2)    # -1是指所有的轮廓，(0,0,255) BGR , 2 线条的宽度
contours_0 = cv2.drawContours(draw_img2,contours,0,(0,0,255),2)     # 检测到的第1个轮廓
contours_1 = cv2.drawContours(draw_img3,contours,1,(0,0,255),2)     # 检测到的第2个轮廓
cv_show('res',np.hstack((all_contours,contours_0,contours_1)))

轮廓特征

cnt = contours[0] #第几个轮廓
#面积
cv2.contourArea(cnt)
#周长，True表示闭合的
cv2.arcLength(cnt,True)

轮廓近似

approx [əˈprɑːks] :大约，近似

cv2.approxPolyDP(contour,epsilon,True) 把一条平滑的曲线曲折化
参数
epsilon：表示的是精度，越小精度越高，因为表示的意思是是原始曲线与近似曲线之间的最大距离
closed：表示输出的多边形是否封闭；true表示封闭，false表示不封闭。

算法步骤：
连接曲线首尾两点A、B形成一条直线AB；计算曲线上离该直线段距离最大的点C，计算其与AB的距离d；
比较该距离与预先给定的阈值threshold的大小，如果小于threshold，则以该直线作为曲线的近似，该段曲线处理完毕。
如果距离大于阈值，则用点C将曲线分为两段AC和BC，并分别对两段曲线进行步骤[1~3]的处理。
当所有曲线都处理完毕后，依次连接各个分割

image.png

image.png

img = cv2.imread('contours2.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

binary, contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
cnt = contours[0]
epsilon1 = 0.05*cv2.arcLength(cnt,True) 
epsilon2 = 0.1*cv2.arcLength(cnt,True) 
epsilon3 = 0.15*cv2.arcLength(cnt,True) 
approx1 = cv2.approxPolyDP(cnt,epsilon1,True)
approx2 = cv2.approxPolyDP(cnt,epsilon2,True)
approx3 = cv2.approxPolyDP(cnt,epsilon3,True)

draw_img1 = img.copy()
draw_img2 = img.copy()
draw_img3 = img.copy()

approx1_res = cv2.drawContours(draw_img1, [approx1], -1, (0, 0, 255), 2)
approx2_res = cv2.drawContours(draw_img2, [approx2], -1, (0, 0, 255), 2)
approx3_res = cv2.drawContours(draw_img3, [approx3], -1, (0, 0, 255), 2)
cv_show('res',np.hstack((approx1_res,approx2_res,approx3_res)))
# cv_show(res,'res')

image.png

边界矩形
cv2.boundingRect：矩形边框(Bounding Rectangle)是用一个最小的矩形，把找到的形状包起来
返回四个值，分别是x，y，w，h；
x，y是矩阵左上点的坐标，w，h是矩阵的宽和高
cv2.rectangle(img, (x,y), (x+w,y+h), (0,255,0), 2)画出矩行
第一个参数：img是原图
第二个参数：(x,y)是矩阵的左上点坐标
第三个参数：(x+w,y+h)是矩阵的右下点坐标
第四个参数：(0,255,0)是画线对应的rgb颜色
第五个参数：2是所画的线的宽度
cv2.minAreaRect()：得到包覆轮廓的最小斜矩形，
cv2.minEnclosingCircle()：得到包覆此轮廓的最小圆形
返回一个二元组，第一个元素为圆心坐标组成的元组，第二个元素为圆的半径值。
cv2.circle(img, center, radius, color, thickness, lineType, shift) 根据给定的圆心和半径等画圆
参数说明
img：输入的图片data
center：圆心位置
radius：圆的半径
color：圆的颜色
thickness：圆形轮廓的粗细（如果为正）。负厚度表示要绘制实心圆。
lineType：圆边界的类型。
shift：中心坐标和半径值中的小数位数。

# 边界矩形
img = cv2.imread('contours.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
cnt_2 = contours[2]

x,y,w,h = cv2.boundingRect(cnt_2)
img_rec = cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)

cv_show('img_rec',img_rec)
# 轮廓面积与边界矩形比
area = cv2.contourArea(cnt)
rect_area = w * h
extent = float(area) / rect_area
# print ('轮廓面积与边界矩形比',extent)

外接圆

# 外接圆
(x,y),radius = cv2.minEnclosingCircle(cnt) 
center = (int(x),int(y)) 
radius = int(radius) 
img_circle = cv2.circle(img,center,radius,(0,255,0),2)
cv_show('circle',img_circle)

image.png

OpenCV--图像轮廓

图像轮廓 Contours

你可能感兴趣的:(OpenCV--图像轮廓)