opencv-python 小白笔记（8）
今天的全是与轮廓有关的，许多图像处理都需要用到轮廓，因为用轮廓可以解决很多问题。
什么是轮廓：轮廓可以简单认为成连续的点（连着边界）连在一起的曲线，具有相同的颜色或者灰度。轮廓在形状分析和物体的检测和识别中很有用
第八节：轮廓的提取与轮廓的应用
- （一）获取轮廓（cv2.findContours, cv2.drawContours）
- （二）快速获得最大的轮廓（cv2.contourArea，sorted）
- （三）cv2.approxPolyDP函数的妙用（cv2.approxPolyDP）
- （四）它俩cv2.minAreaRect，cv2.boundingRect得到的矩形有啥区别
- （五）最小外接圆，最小外接椭圆（cv2.minEnclosingCircle，cv2.ellipse）
- （六）识别图中的所有图形并标注
- （七）轮廓的一大堆性质
- （八）备注（cv2.approxPolyDP函数再讲解）
- （九）结语
（一）获取轮廓（cv2.findContours, cv2.drawContours）
这里我们需要用到cv2.findContour函数，cv2.findContours()有三个参数，第一个是输入图像，第二个是轮廓检索模式，第三个是轮廓近似方法。
cv2.findContours(img,mode,method)
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;
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。
对于这个函数的返回值，需特别注意，因为不同版本的OPCV它有不同的返回值，我给的建议是新入手的opcv的小伙伴，我的建议是使用3.4.2的版本（anaconda上都能安装到），以为这个版本的opcv的大多数算法多有，并且网上的一些实例都是基于老版本的，所以使用这个版本可以再让你运行一些别人的工程时少一些报错，你一个原因时最新的一些算法被申请专利（所以你就用不了），而我刚刚推荐的版本基本上所以的算法都能用，还有我觉的新版本的坑比较多。，我估计小伙伴安装的都是最新版的（爱尝新），为了配合你们，我这里所有的实例程序都是基于opcv 4.0版的（4.0往上，具体多少忘记了，影响不大）。好，回到我们的正题上，我推荐的版本返回值是3个（老版），这里我使用使用的版本返回值是2个，轮廓（的返回值）是一个Python列表，其中储存这图像中所有轮廓。每一个轮廓都是一个Numpy数组，包含对象边界点（x，y）的坐标。
为了更形象的展示我所取得的轮廓，我们这里有cv2.drawContours画出轮廓，函数cv2.drawContours()可以被用来绘制轮廓。它可以根据你提供的边界点绘制任何形状。它的第一个参数是原始图像，第二个参数是轮廓，一个python列表，第三个参数是轮廓的索引（在绘制独立轮廓是很有用，当设置为-1时绘制所有轮廓）。接下来的参数是轮廓的颜色和厚度(如果字体厚度设置为-1，就会将整个轮廓填充)。
上代码：
import cv2
import numpy as np
img = cv2.imread('1.png')
imgGray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#转为灰度图
imgBlur = cv2.GaussianBlur(imgGray,(7,7),1)#高斯降噪
imgCanny = cv2.Canny(imgBlur,50,50)#canny边缘检测
contours,hierarchy = cv2.findContours(imgCanny,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)#提取图像外轮廓，并返回至contours
img_output=cv2.drawContours(img.copy(), contours, -1, (0, 255, 0), 3)#这里使用原谅色
#这里有一个细节，那就是我们并没有直接在原图上画出轮廓，因为在原图上，会直接破会原图信息
cv2.imshow("img_output", img_output)
cv2.waitKey(0)
（二）快速获得最大的轮廓（cv2.contourArea，sorted）
有的时候你只需要面积最大的轮廓（或者说你想要的目标它的轮廓最大），这是你就需cv2.contourArea函数，它能计算每个轮廓的面积，再配合python3的内置函数sorted的使用，你就可以快速得到面积最大的轮廓。
sorted(iterable, key=None, reverse=False)
参数说明：
iterable – 可迭代对象。
key – 主要是用来进行比较的元素，只有一个参数，具体的函数的参数就是取自于可迭代对象中，指定可迭代对象中的一个元素来进行排序。
reverse – 排序规则，reverse = True 降序 ， reverse = False 升序（默认）。
这里说一下，sorted函数就是一个排序函数，对迭代对象的什么方面排序由key参数决定，小伙伴如果还不明白，就百度一下吧
这是廖雪峰对这一函数的理解
import cv2
import numpy as np
img = cv2.imread('shapes.png')
imgGray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#转为灰度图
imgBlur = cv2.GaussianBlur(imgGray,(5,5),1)#高斯降噪（别问为什么要高斯滤波，问就是固定搭配）
imgCanny = cv2.Canny(imgBlur,50,50)#canny边缘检测
contours,hierarchy = cv2.findContours(imgCanny,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)#提取图像外轮廓，并返回至contours
cnts = sorted(contours, key = cv2.contourArea, reverse = True)[0]
#上面将所有的轮廓进行排序（降序），然后我们取出最大的，也就是第0个
img_output=cv2.drawContours(img.copy(), cnts, -1, (0, 255, 0), 3)#这里使用原谅色
#这里有一个细节，那就是我们并没有直接在原图上画出轮廓，因为在原图上，会直接破坏原图信息
cv2.imshow("img_output", img_output)
cv2.waitKey(0)
这里显示六边形的面积最大
（三）cv2.approxPolyDP函数的妙用（cv2.approxPolyDP）
cv2.approxPolyDP函数，（这函数它有3个参数，第一个是需要传入的轮廓，第二个是轮廓近似参数，第三个是指定对象的形状是闭合的（True），还是非闭合的（false））这个函数对于后面提取不同图像的轮廓有巨大的帮助。换言之，这个函数很有用。有的时候我们虽然得到了某个图像的轮廓信息，但我们可能并不是想要它的轮廓信息（怎么说呢，语文不好，表达不出想要表达的意思），算了，上代码：
注：一般cv2.approxPolyDP函数使用需cv2.arcLength函数（计算轮廓周长的函数）的配合，该函数有两个参数，一个是图像的轮廓，第二参数可以用来指定对象的形状是闭合的（True），还是非闭合的（false）。肯定会有小伙伴会问，如果指定对象的形状是闭合的，我强行改为flase，会发什么，自己试试呗（这里我试了，如果强行赋予False，得到的周长会比用True短一些）
import cv2
import numpy as np
img = cv2.imread('2.png')
imgGray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#转为灰度图
imgBlur = cv2.GaussianBlur(imgGray,(5,5),1)#高斯降噪
imgCanny = cv2.Canny(imgBlur,50,50)#canny边缘检测
contours,hierarchy = cv2.findContours(imgCanny,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)#提取图像外轮廓，并返回至contours
cnt=contours[0]#这里为选取第一个轮廓
peri=cv2.arcLength(cnt,True)
approx = cv2.approxPolyDP(cnt,0.11*peri,True)
img_output=cv2.drawContours(img.copy(), [approx], -1, (0, 255, 0), 3)#还是原谅色
cv2.imshow("img",img)
cv2.imshow("img_output", img_output)
cv2.waitKey(0)
这里原图是一个多边形，我们可能有事可能并不想画出它的所有轮廓，我们就可以调整cv2.approxPolyDP函数的轮廓近似参数（0.11*peri），这个值越小，它与原图中的轮廓就越近似。
这里需注意的是，这里如果将下面的第一行改为第二行，会有不同的效果
img_output=cv2.drawContours(img.copy(), [approx], -1, (0, 255, 0), 3)#还是原谅色
img_output=cv2.drawContours(img.copy(), approx, -1, (0, 255, 0), 3)#还是原谅色
修改了那一行后，图像中的4个点就不会连接起来（俺也不知道为啥，能力不够）。到现在为止，你可能并不觉得cv2.approxPolyDP函数有啥用（主要是我能力不够，不能很好的表达它的作用），不过后面还会有这个函数的使用。最后在总结一下就是：用这个函数，你可以自己设置轮廓拟合点的个数
（四）它俩cv2.minAreaRect，cv2.boundingRect得到的矩形有啥区别
cv2.minAreaRect()，它需要传入一个的参数（指定对象的轮廓），返回的是一个Box2D结构，其中包含矩形最上角角点坐标（x，y）矩形的宽（w,h）以及旋转角度。但是要绘制这个矩形需要矩形的4个角点，可以通过函数cv2.boxPoints()获得
上代码，上图（看了你就懂）
import cv2
import numpy as np
img = cv2.imread('timg.jpg')
imgGray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#转为灰度图
imgBlur = cv2.GaussianBlur(imgGray,(5,5),1)#高斯降噪
imgCanny = cv2.Canny(imgBlur,50,50)#canny边缘检测
contours,hierarchy = cv2.findContours(imgCanny,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)#提取图像外轮廓，并返回至contours
cnts = sorted(contours, key = cv2.contourArea, reverse = True)[0]#所有的排序，然后取得最大的轮廓
rect = cv2.minAreaRect(cnts)#用最小的矩形框，框住指定的轮廓
box = np.int0(cv2.boxPoints(rect))#通过函数cv2.boxPoints获得绘制这个矩形需要矩形的4个角点
img_output=cv2.drawContours(img.copy(), [box], -1, (0, 255, 0), 3)
cv2.imshow("img",img)
cv2.imshow("img_output", img_output)
cv2.waitKey(0)
cv2.boundingRect函数它框出的矩形是一个水平的矩形，它需要传入的参数只有一个（指定对象的轮廓），它返回的参数有四个x,y,w,h
import cv2
import numpy as np
img = cv2.imread('timg.jpg')
imgGray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#转为灰度图
imgBlur = cv2.GaussianBlur(imgGray,(5,5),1)#高斯降噪
imgCanny = cv2.Canny(imgBlur,50,50)#canny边缘检测
contours,hierarchy = cv2.findContours(imgCanny,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)#提取图像外轮廓，并返回至contours
cnts = sorted(contours, key = cv2.contourArea, reverse = True)[0]#所有的排序，然后取得最大的轮廓
x,y,w,h=cv2.boundingRect(cnts)
img_output=cv2.rectangle(img.copy(),(x,y),(x+w,y+h),(0,255,0),3)#在之前的章节中，已经讲过
cv2.imshow("img",img)
cv2.imshow("img_output", img_output)
cv2.waitKey(0)
对比这两张图片，你就会发现cv2.minAreaRect函数框选的矩形是面积最小的矩形（为了框选，它甚至会旋转），而cv2.boundingRect函数只是水平的框选一个矩形
（五）最小外接圆，最小外接椭圆（cv2.minEnclosingCircle，cv2.ellipse）
函数cv2.minEnclosingCircle函数可以帮我们找到指定对象的最小外接圆。它需要传入的参数只有一个（指定对象的轮廓），它返回的参数有两个(x,y),radius（即，圆点的中心，和圆的半径）
import cv2
import numpy as np
img = cv2.imread('1.png')
imgGray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#转为灰度图
imgBlur = cv2.GaussianBlur(imgGray,(5,5),1)#高斯降噪
imgCanny = cv2.Canny(imgBlur,50,50)#canny边缘检测
contours,hierarchy = cv2.findContours(imgCanny,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)#提取图像外轮廓，并返回至contours
cnts = sorted(contours, key = cv2.contourArea, reverse = True)[0]#所有的排序，然后取得最大的轮廓
(x,y),radius = cv2.minEnclosingCircle(cnts)
center = (int(x),int(y))
radius = int(radius)
img_output = cv2.circle(img.copy(),center,radius,(0,255,0),3)
cv2.imshow("img",img)
cv2.imshow("img_output", img_output)
cv2.waitKey(0)
这里框选的是六边形的最小圆
cv2.ellipse(img, center, axes, angle, startAngle, endAngle, color, thickness, lineType, shift) 这是画椭圆函数，它的参数包括：
img：需要绘图的图像
center：椭圆中心点坐标
axes：椭圆尺寸（即长短轴）
angle：旋转角度（顺时针方向）
startAngle：绘制的起始角度（顺时针方向）
endAngle：绘制的终止角度（例如，绘制整个椭圆是0,360，绘制下半椭圆就是0,180）
color：线条颜色（BGR）
thickness：线条粗细（默认值=1）
lineType：线条类型（默认值=8）
shift：圆心坐标点和数轴的精度（默认值=0）
cv2.fitEllipse函数它的传入参数有只有一个（指定对象的轮廓），返回参数即为cv2.ellipse返回值
import cv2
import numpy as np
img = cv2.imread('timg.jpg')
imgGray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#转为灰度图
imgBlur = cv2.GaussianBlur(imgGray,(5,5),1)#高斯降噪
imgCanny = cv2.Canny(imgBlur,50,50)#canny边缘检测
contours,hierarchy = cv2.findContours(imgCanny,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)#提取图像外轮廓，并返回至contours
cnts = sorted(contours, key = cv2.contourArea, reverse = True)[0]#所有的排序，然后取得最大的轮廓
ellipse = cv2.fitEllipse(cnts)
img_output = cv2.ellipse(img.copy(),ellipse,(0,255,0),3)#原谅色
cv2.imshow("img",img)
cv2.imshow("img_output", img_output)
cv2.waitKey(0)
（六）识别图中的所有图形并标注
话不都说，上代码，你都懂
import cv2
import numpy as np
img = cv2.imread('shapes.png')
img1=img.copy()
imgGray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#转为灰度图
imgBlur = cv2.GaussianBlur(imgGray,(5,5),1)#高斯降噪
imgCanny = cv2.Canny(imgBlur,50,50)#canny边缘检测
contours, hierarchy = cv2.findContours(imgCanny, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE) # 提取图像外轮廓，并返回至contours
for cnt in contours:#遍历所有的轮廓
peri = cv2.arcLength(cnt, True)
approx = cv2.approxPolyDP(cnt, 0.02 * peri, True)
x, y, w, h = cv2.boundingRect(approx) # 获得每个轮廓的外接矩形
if len(approx) == 3:#三个点的认为是三角形
Type = "Triangle"
elif len(approx) == 4:#四个点可能为矩形or正方形，所以这里引入了轮廓的外接矩形的长宽比来判断
Ratio = w / float(h)
if Ratio > 0.97 and Ratio < 1.03:
Type = "Square"
else:
Type = "Rectangle"
elif len(approx) > 4:#大于四个点的，在该图中认为是圆形
Type = "Circles"
else:
Type = "None"
cv2.putText(img1, Type, (x + (w // 2) - 10, y + (h // 2) - 10), cv2.FONT_HERSHEY_COMPLEX, 0.7, (0, 0, 0),1) # 这里选择黑色，显示更清楚（原谅色看不清）
cv2.imshow("img",img)
cv2.imshow("img_output", img1)
cv2.waitKey(0)
（七）轮廓的一大堆性质
1长宽比
边界矩形的宽高比
x,y,w,h=cv2.boundingRect(cnt)
aspect_ratio = float(w)/h
2.Extent
轮廓面积与边界矩形面积的比
area=cv2.contourArea(cnt)
x,y,w,h=cv2.boundingRect(cnt)
rect_area=w*h
extent=float(area)/rect_area
3.Solidity
轮廓面积与凸包面积的比
area=cv2.contourArea(cnt)
hull=cv2.convexHull(cnt)
hull_area=cv2.contourArea(hull)
solidity=float(area)/hull_area
4.与轮廓面积相等的圆形的直径
area=cv2.contourArea(cnt)
equi_diameter=np.sqrt(4*area/np.pi)
5.方向
对象的方向，下面的方法还会返回长轴和短轴的长度
(x,y),(MA,ma),angle=cv2.fitEllipse(cnt)
6.掩模和像素点
有时我们需要构成对象的所有像素点
mask=np.zeros(imgray.shate,np.uint8)
#这里一定要使用参数-1，绘制填充的轮廓
cv2.drawContours(mask,[cnt],0,255,-1)
pixelpoints=np.transpose(np.nonzero(mask))
7.最大值和最小值及它们的位置
可以使用掩模图像得到这些参数
min_val,max_val,min_loc,max_loc=cv2.minMaxLoc(imgray,mask=mask)
8.平均颜色及平均灰度
同样使用相同的掩模来求得
mean_val=cv2.mean(im,mask=mask)
9.极点
一个对象最上，最下，最左，和最右的点
leftmost=tuple(cnt[cnt[:,:,0].argmin()[0])
rightmost=tuple(cnt[cnt[:,:,0].argmax()[0])
topmost=tuple(cnt[cnt[:,:,1].argmin()[0])
bottommost=tuple(cnt[cnt[:,:,1].argmax()[0])
注：这里基本上是copy的，这些性质都很重要，在你需要对一些特殊的轮廓的提取，这些性质会起到意想不到的作用
（八）备注（cv2.approxPolyDP函数再讲解）
小伙伴们可以看见上图中有一条黑色的弧线和两条黑的虚线（h是虚线到弧线上的最远距离），当问需要用直线近似图中的曲线时，我们就需要用到cv2.approxPolyDP函数，当cv2.approxPolyDP函数第二个轮廓近似参数（不记得的小伙伴可以回到上面在看看）大于h时，就可以表示为图中的弧线可以由图中的虚线近似代替，当cv2.approxPolyDP函数第二个轮廓近似参数小于h时，则可能需要两条甚至更多的虚线来近似代替图中的弧线。总而言之，cv2.approxPolyDP函数第二个轮廓近似参数设置的越小，需要的虚线越多，近似出的虚线就越接近弧线的轮廓
如上图所示，轮廓近似参数设置的越小，需要的近似曲线就越多（因为近似的虚线越多，每条虚线的h也就越小）。不知道我有没有讲明白，语言表达能力有限。这个函数真的巨有用
（九）结语
学习opencv有很多的方法，我的建议是你可以加一些群，可以充分利用B站，CSDN，和百度。
在我的博客中，我不会讲解opencv的算法实现（当然我也不太会），我只会讲解一些函数的调用，不理解就多改一些参数，多尝试尝试，慢慢你就理解来。相信你总有一天可以说opencv不过“Ctrl+C，Crtl+V”
PS：如果有什么错误的地方，还请大家批评指正，不过错了也没啥关系，反正也没什么人看
最后，希望小伙伴们都能有所收获。码字不易，喜欢的话，关注一波在走吧