图像处理——轮廓检测

一、图像轮廓

1. 图像轮廓与图像边界区别
   图像轮廓指的是图像整体，连接在一起，而图像边界可能是零散的线段。

二、图像轮廓检测的实现

1. opencv轮廓检测函数

   def findContours(image: Any,
                    mode: Any,
                    method: Any,
                    contours: Any = None,
                    hierarchy: Any = None,
                    offset: Any = None)
   

   部分参数说明：

   ①mode：轮廓检索模式
   常用的模式
   RETR_EXTERNAL：只检测最外边轮廓
   RETR_LIST：检测所有轮廓，并将其保存到一条链表当中
   RETR_CCOMP：检测所有轮廓，并将他们组织为两层，顶层为各部分的外部边界，第二层为空洞的边界
   RETR_TREE：检索所有轮廓，并重构嵌套轮廓的整个层次。最常用模式。
   ②method：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。
   CHAIN_APPROX_SIMPLE：压缩水平的、垂直的和斜的部分（只保留他们终点部分）。

2. 轮廓检测过程
   ①读取图像灰度图

   lena = cv2.imread("Lena.png")
   gray = cv2.cvtColor(lena, cv2.COLOR_BGR2GRAY)
   

   ②图像二值化

   ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
   

   

   ③图像轮廓检测

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

   ④绘制轮廓

   # 绘制轮廓信息
   draw_img = lena.copy()
   # 默认取-1，全部轮廓，取其他的值的时候，通常会绘制出部分轮廓。
   res = cv2.drawContours(draw_img, contours, -1, (0, 0, 255), 2)
   showImg(res, 'res')
   

   

三、轮廓特征

1. 轮廓面积计算

   cnt = contours[0]
   cv2.contourArea()
   

2. 轮廓周长计算

   # True表示闭合的
   cv2.arcLength(cnt,True)
   

四、轮廓近似

1. 将部分折线部分化为直，近似为一个形状。

   counter = cv2.imread("counter.png")
   # 图像轮廓检测
   gray = cv2.cvtColor(counter, 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)
   # 绘制轮廓信息
   draw_img = lena.copy()
   res = cv2.drawContours(draw_img, contours, -1, (0, 0, 255), 2)
   showImg(res, 'res')
   cnt = contours[0]
   # 通过改变系数，来改变近似的效果
   epsilon = 0.1 * cv2.arcLength(cnt, True)
   approx = cv2.approxPolyDP(cnt, epsilon, True)
   draw_img = lena.copy()
   res = cv2.drawContours(draw_img, [approx], -1, (0, 0, 255), 2)
   showImg(res, 'res')
   

   原始轮廓
   

   部分进行轮廓近似