OpenCV-Python(21)：OPenCV查找及绘制轮廓

news2024/11/28 22:03:23

1.认识轮廓

1.1 目标

理解什么是轮廓
学习掌握找轮廓、绘制轮廓等
学习使用cv2.findContours()、cv2.drawContours()函数的用法

1.2 什么是轮廓

在OpenCV中，轮廓是图像中连续的边界线的曲线，具有相同的颜色或者灰度，用于表示物体的形状。轮廓在图像处理和计算机视觉中非常重要，常用于物体检测、形状分析、图像分割等任务。

提示：

为了使轮廓更加准确，要使用二值化图像。所以，在寻找轮之前，要进行阈值化处理或者Canny边界检测。
查找轮廓的函数会修改原始图像。如果你在找到轮廓之后想使用原始图像的话，你应该将原始图像存储到其他变量中。
在OpenCV 中，查找廓就像在黑色背景中查找白色物体。你应该记住，要找的物体应该是白色而背景应该是黑色。

在OpenCV中，可以通过以下步骤找到图像中的轮廓：

对图像进行预处理，如灰度化、二值化等操作。
使用cv2.findContours()函数找到图像中的轮廓。该函数会返回一个包含轮廓信息的列表。
遍历轮廓列表，可以使用cv2.drawContours()函数将轮廓绘制到图像上。
对轮廓进行进一步的分析和操作，如计算轮廓的面积、周长，寻找轮廓的凸包等。

cv2.findContours()是一个用于查找图像中轮廓的函数。它的语法如下：

contours, hierarchy = cv2.findContours(image, mode, method[, contours[, hierarchy[, offset]]])

参数说明：

image：输入的二值化图像，通常为灰度图像或二值图像。
mode：轮廓检索模式，指定轮廓的层级结构。常用的取值有：
- cv2.RETR_EXTERNAL：只检测最外层的轮廓。
- cv2.RETR_LIST：检测所有的轮廓，不建立层级关系。
- cv2.RETR_CCOMP：检测所有的轮廓，并将它们组织为两层的层级结构。
- cv2.RETR_TREE：检测所有的轮廓，并完整地重建轮廓之间的层级关系。
method：轮廓近似方法。常用的取值有：
- cv2.CHAIN_APPROX_NONE：保存所有的轮廓点。
- cv2.CHAIN_APPROX_SIMPLE：压缩水平、垂直和对角线方向上的轮廓，仅保留终点。
contours：输出的轮廓列表，每个轮廓由一系列点组成。
hierarchy：可选输出的层级关系，用于表示轮廓之间的层级关系。
offset：可选的偏移量，用于调整轮廓的位置。

4.0以上的版本cv2.findContours()函数会返回两个值（OpenCV 3.0系列版本会返回3个值，多出的第一个值是图像），分别是轮廓列表和层级关系。轮廓列表是一个包含每个轮廓的Numpy数组，每个数组中的元素表示轮廓上的一个点，包含对边界点(x,y)的坐标。层级关系是一个包含每个轮廓的层级关系信息的Numpy数组，用于表示轮廓之间的层级关系，可用于进一步分析轮廓的形状和结构。以下是一个使用cv2.findContours()函数查找轮廓的示例代码：

import cv2

# 读取图像
image = cv2.imread("image.jpg")

# 灰度化
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 二值化
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 寻找轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 三个参数的返回
'''
_,contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
'''

# 绘制轮廓
cv2.drawContours(image, contours, -1, (0, 255, 0), 3)

# 显示图像
cv2.imshow("Contours", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

代码中，首先读取了一张图像，并对其进行了灰度化和二值化处理。然后使用cv2.findContours()函数找到图像中的轮廓，并将其绘制到原始图像上。最后显示图像并等待按键关闭窗口。

1.3 怎样绘制轮廓

cv2.drawContours()是一个用于绘制轮廓的函数,它可以根据你提供的边界点绘制任何形状。它的语法如下：

cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]])

参数说明：

image：要绘制轮廓的图像。
contours：轮廓列表，即cv2.findContours()函数返回的轮廓列表。
contourIdx：要绘制的轮廓的索引，绘制独立轮廓时很有用，-1表示绘制所有轮廓。
color：绘制轮廓的颜色，可以是一个BGR元组或一个整数。
thickness：轮廓线的粗细，默认为1。
lineType：轮廓线的类型，默认为cv2.LINE_8，表示8连通线。
hierarchy：层级关系，即cv2.findContours()函数返回的层级关系。
maxLevel：绘制轮廓的最大层级，默认为0，表示只绘制当前层级的轮廓。
offset：可选的偏移量，用于调整轮廓的位置。

cv2.drawContours()函数用于在图像上绘制轮廓。可以通过设置contourIdx参数来指定要绘制的轮廓的索引，-1表示绘制所有轮廓。可以通过设置color参数来指定绘制轮廓的颜色。绘制的轮廓线的粗细可以通过thickness参数进行设置，默认为1。轮廓线的类型可以通过lineType参数进行设置，默认为cv2.LINE_8，表示画8连通线。

以下是一个使用cv2.drawContours()函数绘制轮廓的示例代码：

import cv2

# 读取图像
image = cv2.imread("image.jpg")

# 灰度化
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 二值化
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 寻找轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 绘制轮廓
cv2.drawContours(image, contours, -1, (0, 255, 0), 3)

# 显示图像
cv2.imshow("Contours", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述代码中，首先读取了一张图像，并对其进行了灰度化和二值化处理。然后使用cv2.findContours()函数找到图像中的轮廓，并使用cv2.drawContours()函数将轮廓绘制到原始图像上。最后显示图像并等待按键关闭窗口。

绘制独立的廓，如第四个轮廓：

img = cv2.drawContour(img, contours, -1, (0,255,0), 3)

但是大多数时候下面的方法更有用：

img = cv2.drawContours(img, contours, 3, (0,255,0), 3)

注意:最后这两种方法结果是一样的，但是后面的知识会告诉你最后一种方法更有用。

1.4 轮廓的近似方法

        上面查找轮廓的时候，提到了是函数cv2.findCountours() 有一个轮廓的近似方法参数，那么它到底代表什么意思呢？
        上面我们已经提到轮廓是一个形状具有相同灰度值的边界。它会存储形状边界上所有的(x,y)坐标。但是,需要将所有的这些边界点都存储吗？这就是这个参数要告诉函数cv2.findContours 的。
这个参数如果被设置为cv2.CHAIN_APPROX_NONE，所有的边界点都会被存储。但是我们真的需要这么么多点吗？例如，当我们找的边界是一条直线时。你用需要把直线上所有的点来表示直线吗？不是的，我们只需要这条直线的两个端点而已。这就是cv2.CHAIN_APPROX_SIMPLE 要做的。它会将将廓上的冗余点去掉，压缩轮廓，从而节省内存开支。
        我们用下图中的矩形来演示这个技术。在轮廓列表中的每一个坐标上画一个蓝色圆圈。第一个图显示使用cv2.CHAIN_APPROX_NONE 的效果，一共734 个点。第二个图是使用cv2.CHAIN_APPROX_SIMPLE 的结果，只有4 个点。看到他的威力了吧：