【opencv】(6) 图像轮廓处理

各位同学好，今天和大家分享一下opencv中如何获取图像轮廓，以及对轮廓的一些其他操作。内容有：

（1）轮廓检测：cv2.findContours()；（2）轮廓绘制：cv2.drawContours()；（3）轮廓近似：cv2.approxPolyDP()；（4）面积计算：cv2.contourArea()；（5）周长计算：cv2.arcLength()；（6）外接矩形：cv2.rectangle()；（7）外接圆：cv2.circle()

---

在开始前，先导入需要用到的库文件以及图像数据，定义一个图像显示函数，方便后续绘图。

import cv2
import numpy as np
# 获取图片所在文件夹
filepath = 'C:\\...\\opencv\\img'
# 获取文件夹中的某一张图片
img = cv2.imread(filepath+'\\test2.png')
# 定义绘图函数
def cv_show(name,img):
    # 传入自定义图像名，即图像变量
    cv2.imshow(name,img) 
    # 图片不会自动消失
    cv2.waitKey(0)
    # 手动关闭窗口
    cv2.destroyWindow()

---

1. 图像轮廓

1.1 获取图像轮廓

方法： contours, hierarchy = cv2.findContours(img, mode, method)

参数：

img：输入的图像，最好是二值图

mode：轮廓检索模式，如下

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中

RETR_CCOMP：检索所有的轮廓，并将它们组织为两层：顶层是各部分的外部边界，第二层是空洞的边界

RETR_TREE：常用，检索所有的轮廓，并重构嵌套轮廓的整个层次。保存了所有的轮廓，用哪个调用哪个

method：轮廓逼近方法，如下

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)。正常画出所有轮廓

CHAIN_APPROX_SIMPLE：压缩水平的、垂直的、斜的部分，即函数只保留他们的终点坐标。压缩得到更精简的结果，例如一个矩形轮廓只需4个点来保存轮廓信息

返回值：

contours：列表，保存轮廓信息。每一个元素都是图像的轮廓

hierarchy：数组，分层保存轮廓信息。元素数和轮廓数一致

---

1.2 绘制图像轮廓

方法： cv2.drawContours(img, contours, contourIdx, color, thickness)

参数：

img：指明在哪幅图像上绘制轮廓；image为三通道才能显示轮廓

contours：图像轮廓信息，列表形式

contours：指定绘制轮廓列表中的哪条轮廓。如果是-1，则绘制其中的所有轮廓。

color：代表绘制轮廓的线条颜色，根据BGR调整，若为(0,0,255)则为红色。

thickness：线条粗细

---

1.3 代码演示

首先将读入的图像变成灰度图cv2.cvtColor()，再使用图像阈值处理方法将灰度图转换成二值图cv2.threshold()，像素值超过阈值127的变成255，低于127的像素值变成0，实现二值化。将二值化处理后的图像thresh传入轮廓检测函数。图像阈值处理方法见下文第4节：【opencv】(2) 图像处理：边界填充、图像融合、图像阈值、数值计算

#（1）图像处理
# 将读入的图像变成灰度图 
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 图像数值超过127取255，小于127的变成0
ret,thresh = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
# ret接收阈值，thresh接收处理后的图像
#（2）轮廓检测
# 输入图像最好是二值图
contours,hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
# 返回值：contours轮廓信息；hierarchy层级，把结果保存在一个层级中
#（3）绘制轮廓
# 注意要将原图(彩色图)复制一份，不然原图会在函数处理完之后改变
draw = img.copy()  #draw改变不会导致img改变
# 在draw画板上绘制轮廓；画第几个轮廓，-1代表所有轮廓；BGR分别对应(0,0,255)，用红色线画轮廓；线条宽2
res = cv2.drawContours(draw, contours,-1, (0, 0, 255), 2)
# 展示图像
cv_show('res',res)

第1张为原始图像，第2张为contourIdx=-1时绘制轮廓后的图像 ，第3张为contourIdx=3时绘制的轮廓。contourIdx中保存了所有的轮廓信息。

   

---

 2. 轮廓特征

2.1 轮廓计算

轮廓计算有非常多种方法，这里只介绍两个，计算轮廓周长和面积。

在图像轮廓获取函数中cv2.findContours()，我们获取了轮廓信息返回值contours，在计算时，不能将轮廓全部放进去计算，计算时需要选出其中一个。下面使用轮廓信息中的第0个轮廓计算它的面积和周长。

# 获取某一个轮廓用于计算
cnt = contours[0]
# ==1== 面积
cv2.contourArea(cnt)  # 8500.5
# ==2== 周长
cv2.arcLength(cnt,True)  # 437.948

---

2.2 轮廓近似

方法： cv2.approxPolyDP(curve, epsilon, closed)

参数：

curve： 需要进行近似的轮廓

epsilon： 判断点到相对应的线段的距离的阈值，这是原始曲线与其近似值之间的最大距离。阈值越小，折线的形状越接近曲线。

closed： 若为true，曲线第一个点与最后一个点连接形成闭合曲线，若为false，曲线不闭合。

下面使用的阈值是cv2.arcLength(cnt,True)，即轮廓的周长。取轮廓周长的0.1倍来作为contours[0]轮廓的近似。

# 获取图像
img = cv2.imread(filepath+'\\test1.png')  # 获取一张图像
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  # 灰度图
ret,thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 二值化
contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)  # 轮廓提取
cnt = contours[0]  # 获取其中一层轮廓
draw = img.copy()  # 绘制轮廓
res = cv2.drawContours(draw, [cnt], -1, (0,0,255), 2)  # 在draw图像中绘制cnt轮廓
cv_show('res',res)  # 绘图
# 轮廓近似
epsilon = 0.1*cv2.arcLength(cnt,True)  # 以周长的百分比作为阈值，指定的越小，得到的轮廓和原来的区别较小
approx = cv2.approxPolyDP(cnt, epsilon, True)  # 近似函数，cnt为轮廓，epsilon阈值。返回近似后的轮廓
# 绘图展示
draw = img.copy()
res = cv2.drawContours(draw, [approx], -1, (255,0,0), 2)  # 将近似后的轮廓approx画在原图上，用蓝色表示，线条粗2
cv_show('res',res)

第一张图为图像轮廓，第二张图为轮廓近似后的结果

   

---

2.3 轮廓的外接矩形

首先在轮廓提取函数的返回值contours中，选取一个轮廓信息用于求它的外接矩形。

计算轮廓的垂直边界最小矩形，矩形是与图像上下边界平行的

x, y, w, h = cv2.boundingRect(轮廓信息)

返回四个值。x，y是矩阵左上点的坐标；w，h是矩阵的宽和高。

外接矩形绘制函数

cv2.rectangle(img, pt1, pt2, color, thickness)

参数：

img： 原始图片作为画板

pt1： 长方形框左上角坐标 (x, y)

pt2： 长方形框右下角坐标 (x+w, y+h)

color： 线条颜色（B, G, R）

thickness： 线条粗细

在图片img上画长方形，坐标原点是图片左上角，向右为x轴正方向，向下为y轴正方向。
 

# 获取轮廓信息
img = cv2.imread(filepath+'\\test1.png')  # 读取图像
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  # 灰度处理
ret,thresh = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)  # 二值化处理
contours,hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)  # 获取轮廓信息
cnt = contours[0]  # 指定某一层轮廓
# 轮廓的外接矩形
x,y,w,h = cv2.boundingRect(cnt)  # 计算外接矩形，返回矩形的左上坐标点，和一长一宽
rectangle = cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)  # 根据坐标绘制矩形，绿色线条
cv_show('rectangle',rectangle)

得到矩形的宽和高，接下来就可以计算轮廓面积和外接矩形面积的比值。

area = cv2.contourArea(cnt)  # 轮廓面积计算函数
x,y,w,h = cv2.boundingRect(cnt)  # 获取坐标点和边长
rect_area = w*h  # 计算外接矩形面积
extent = area/rect_area  # 计算比值
print('轮廓面积和外接矩形面积之比:',extent)

---

2.4 轮廓的外接圆

获取轮廓的圆心坐标和半径

(x,y), radius = cv2.minEnclosingCircle(轮廓信息)

轮廓外接圆函数

cv2.circle(img, center, radius, color, thickness, shift)

img： 输入的图片作为画板

center： 圆心位置

radius： 圆的半径

color： 圆的颜色

thickness： 正数表示圆形轮廓的粗细。负数表示要绘制实心圆。

shift： 圆心坐标点和半径值的小数点位数

# 轮廓外接圆
# 返回圆心坐标和半径
(x,y),radius = cv2.minEnclosingCircle(cnt)
# 圆心坐标
center = (int(x),int(y))
# 半径
radius = int(radius)
# 绘制外接圆，输入整型
circle = cv2.circle(img,center,radius,(255,0,0),2)
cv_show('circle',circle)