接着上一个博客:关于 Python opencv 使用中的 ValueError: too many values to unpack(http://blog.csdn.net/caicai2526/article/details/79627370)介绍cv2.findContours函数在opencv2和opencv3中区别以及应用。
cv2.findContours函数是一个图像轮廓的绘制方法,进行轮廓的检测
这个函数在图像处理里面是经常应用到的,记住处理的图像是二值图像。
import cv2
img = cv2.imread('需要处理的图像')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 如果图像是二值图,这一行就可以删除
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, -1, (0, 0, 255), 3)
cv2.imshow("img", img)
cv2.waitKey(0)
cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]])
返回两个值:contours:hierarchy。
第一个参数是寻找轮廓的图像;
第二个参数表示轮廓的检索模式,有四种(本文介绍的都是新的cv2接口):
cv2.RETR_EXTERNAL表示只检测外轮廓
cv2.RETR_LIST检测的轮廓不建立等级关系
cv2.RETR_CCOMP建立两个等级的轮廓,上面的一层为外边界,里面的一层为内孔的边界信息。如果内孔内还有一个连通物体,这个物体的边界也在顶层。
cv2.RETR_TREE建立一个等级树结构的轮廓。
第三个参数method为轮廓的近似办法
cv2.CHAIN_APPROX_NONE存储所有的轮廓点,相邻的两个点的像素位置差不超过1,即max(abs(x1-x2),abs(y2-y1))==1
cv2.CHAIN_APPROX_SIMPLE压缩水平方向,垂直方向,对角线方向的元素,只保留该方向的终点坐标,例如一个矩形轮廓只需4个点来保存轮廓信息
cv2.CHAIN_APPROX_TC89_L1,CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法
cv2.findContours()函数返回两个值,一个是轮廓本身,还有一个是每条轮廓对应的属性。
http://blog.csdn.net/jjddss/article/details/73527990
代码实现
import cv2
import numpy as np
img=cv2.imread(r'C:\a.png')
imgray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,thresh=cv2.threshold(imgray,127,255,0)
thresh = 255-thresh
image,cnts,hierarchy=cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
# cv2.imshow('imageshow',image) # **显示返回值image,其实与输入参数的thresh原图没啥区别**
# cv2.waitKey()
print(np.size(cnts)) # **得到该图中总的轮廓数量**
print(cnts[0]) # 打印出第一个轮廓的所有点的坐标, 更改此处的0,为0--(总轮廓数-1),可打印出相应轮廓所有点的坐标
print(hierarchy) #**打印出相应轮廓之间的关系**
img=cv2.drawContours(img,[cnts[0]],-1,(0,255,0),10) #标记处编号为0的轮廓
cv2.imshow('drawimg',img)
cv2.waitKey()
与opencv2不同的就是输出的参数发生变化,这是要注意的。
还有一个函数:OpenCV的cv2.drawContours在图像上绘制轮廓。