OpenCV之图像轮廓

什么是图像轮廓？
具有相同颜色（在彩色图片中）或强度（灰度图像要转变为二值化图像）的连续点的曲线

图像轮廓的作用：
1.可以用于图形分析
2.物体的识别与检测
以下这张图中被红色线描出部分都可以称之为轮廓

注意点：
1.为了检测的准确性，需要先对图像进行二值化或Canny操作
2.画轮廓是会修改输入图像，所以为了不避免破坏原来图像可以先进行深拷贝
轮廓查找api ：
findContours (img, mode, ApproximationMode…)，两个返回值 ：contours（查找到所有轮廓的列表，不会绘制出来，只是以列表的形式存储所有轮廓的点）和 hierarchy（层级。表示查找到的所有轮廓有无层级或前后关系）。

mode : 对查找到的轮廓进行如何的组织.可以分级，也可以把所有的轮廓放在一个列表里，或者将轮廓按照树形结构进行存储。
RETR_EXTERNAL = 0, 表示只检测外轮廓（只检测最大的外圈轮廓，一般用于只想检测大物体）
RETR_LIST = 1，检测的轮廓不建立等级关系，所有轮廓放在一个列表中。
RETR_CCOMP = 2，有层级，每层最多两级
RETR_TREE = 3, 按照树形存储轮廓，从右到左一层一层检测（常用）

ApproximationMode：近似查找轮廓。
CHAIN_APPROX_NONE,保存所有轮廓上的点
CHAIN_APPROX_SIMPLE，只保存角点（常用）

绘制轮廓api ：
drawContours(img, contours, contoursIdx, color, thickness,…)
img：在哪张图片上进行展示
contours ：轮廓坐标点，也就是findContours第一个返回值。
contoursIdx：轮廓顺序号，拿到的所有轮廓坐标点会按照储存方式有个顺序，从0开始【-1表示绘制所有轮廓】
color ：轮廓的颜色，书写为（0，0，255）
thickness ：显卡，1为细线，2为粗线，-1表示对整个轮廓进行填充
以下是实例代码

import cv2
import numpy as np
#读文件
img = cv2.imread('d:\\STUDY_OPENCV\\img\\rct.png')
#转变成单通道
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#二值化,第一个返回值是执行的结果和状态是否成功，第二个返回值才是真正的图片结果
ret,binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
#轮廓查找,第一个返回值是轮廓，第二个是层级
contours, hierarchy =  cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
#绘制轮廓
cv2.drawContours(img, contours, -1, (0,0,255), 1)#改变的是img这张图
print(contours)


cv2.imshow('img',img)
cv2.imshow('binary',binary)
cv2.waitKey(0)

获取轮廓的面积和周长

根据轮廓的面积，太碎小就去除
轮廓面积api：
countourArea（contour），contour指列表中具体的某一个轮廓，而且算出的面积是图像中的面积，不是实际的。

轮廓的周长api ：
arcLength( curve , closed )
curve ：计算的轮廓
closed ：轮廓是否闭合，若闭合设为True，否则设为False

#计算面积
area = cv2.contourArea(contours[0])
#计算周长
len = cv2.arcLength(contours[0],True)
print("len = ",len)
print("area=%d"%(area))

多边形逼近与凸包

多边形逼近：如下图左边把手的一些特征点标出来使其画出手的大致形状，而不是沿着手边缘把所有像素点保存下来。这就叫多边形逼近，此类方法可以减少保存大量数据，并且根具实际情况调整精度（即特征点的个数）。

凸包 ：如下图右边所示描绘物体的一个整个突出的轮廓。

多边形逼近api：
apporxPolyDP(curve, epsilon, closed)
curve : 轮廓查找中具体一个轮廓
epsilon ：精度，数字越小代表精度越低，表示和图形轮廓越吻合
closed ：是否是闭合的轮廓

凸包 api ：
convexHull(points, clockwise, …)
points : 点，某一个具体的轮廓
clockwise ：True为顺时针绘制，False为逆时针绘制
【以上两个api返回值都是数组，所以需要自己写一个函数把返回的点描绘出来】

import cv2
import numpy as np

def drawShape(src, points):
    i = 0
    while i < len(points):
        if(i == len(points)-1):
            x,y = points[i][0]
            x1,y1 = points[0][0]
            cv2.line(src, (x,y), (x1,y1), (0,255,0), 3)
        else:
            x,y = points[i][0]
            x1,y1 = points[i+1][0]
            cv2.line(src, (x,y), (x1,y1), (0,255,0), 3)
        i = i+1

#读文件
img = cv2.imread('d:\\STUDY_OPENCV\\img\\hand.png')
#转变成单通道
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#二值化,第一个返回值是执行的结果和状态是否成功，第二个返回值才是真正的图片结果
ret,binary = cv2.threshold(gray, 100, 255, cv2.THRESH_BINARY)
#轮廓查找,第一个返回值是轮廓，第二个是层级
contours, hierarchy =  cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
#绘制轮廓
cv2.drawContours(img, contours, 0, (0,0,255), 1)#改变的是img这张图

#多边形逼近,20代表精度，数字越大代表精度越低，approx返回的是点的数组
approx = cv2.approxPolyDP(contours[0], 5, True)
drawShape(img, approx)
print(approx)
print(len(approx))
#凸包
hull = cv2.convexHull(contours[0])
drawShape(img, hull)


cv2.imshow('img',img)
cv2.imshow('binary',binary)
cv2.waitKey(0)

外接矩形

最小外接矩形：按照物体的角度以最小的面积进行衔接，可以知道物体有没有旋转（红色框）
最大外接矩形：把物体扩在里面但是面积最大（绿色框）。

最小外接矩形api：
minAreaRect( points )
points : 物体的轮廓
返回值RotatedRect：x，y，width，height，angle。（起始点，宽，高，角度）

最大外接矩形api：
boundingRect（array）
array：轮廓
返回值Rect ：x，y，width，height（起始点，宽，高）
以下是实例

import cv2
import numpy as np
#读文件
img = cv2.imread('d:\\STUDY_OPENCV\\img\\hello.png')
#转变成单通道
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#二值化,第一个返回值是执行的结果和状态是否成功，第二个返回值才是真正的图片结果
ret,binary = cv2.threshold(gray, 100, 255, cv2.THRESH_BINARY)
#轮廓查找,第一个返回值是轮廓，第二个是层级
contours, hierarchy =  cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

#最小外接矩形，根据绘制轮廓api测试可以知道包起字母的正方形轮廓是contours[1]
r = cv2.minAreaRect(contours[1])
#由于返回的r还带角度，所以利用boxPoints把最小外接矩形的四个顶点坐标提取出来
box = cv2.boxPoints(r) #由于返回的box是浮点型，所以需要对box进行一次强制转换
box = np.int0(box)
cv2.drawContours(img, [box], 0, (0,0,255), 2)#box是一个二维列表，需要转换为三维列表

#最大外接矩形
x,y,w,h = cv2.boundingRect(contours[1])
cv2.rectangle(img, (x,y),(x+w, y+h),(255,0,0),2)
print(x+w,y+h)
cv2.imshow('img',img)
cv2.imshow('binary',binary)
cv2.waitKey(0)