1. 轮廓

一个图像中具有相同颜色或强度（灰度图）的连续点所组成的集合，就是轮廓。轮廓可用于图形分析、物体的识别与检测等等。

2.轮廓查找

在图像中，为了防止轮廓边缘强弱不明显，需要先对图像进行二值化或Canny操作（一般改为黑底白字），画轮廓时会修改输入的图像。

2.1 findContours()

查找图形的轮廓
contours, hierarchy = cv2.findContours(img, mode, ApproximationMode…)
contours：查找到所有轮廓的列表（点的集合）
hierarchy：层级，轮廓有无顺序

mode：（检测方式）

RETR_EXTERNAL = 0 ：表示只检测外部轮廓(红色为轮廓)
RETR_LIST = 1 ：检测的轮廓不建立等级关系，从里到外、从右到左，一层一层的编号，返回的列表也是按这个顺序排列的
RETR_CCOMP = 2 ：每层最多两级，从里到外、从右到左，单个图形，每两级为一层
RETR_TREE = 3 ：按树形存储轮廓，从右到左，从外到里，一个图形一个图像的来，符合正常逻辑

ApproximationMode：（逼近方式）
CHAIN_APPROX_NONE：保存所有轮廓上的点
CHAIN_APPROX_SIMPLE：只保存角点

2.2 drawContours()

根据获得到的坐标点（contours）绘制轮廓
cv2.drawContours(img, contours, contourIdx, color, thickness…)
img：需要画轮廓的图像
contours：轮廓的点集
contourldx：-1表示绘制所有轮廓 0~n
color：颜色（255，255，255）
thinckness：线宽，-1是全部填充，1~n

import cv2
import numpy as np

img = cv2.imread('./image/contours1.png')
# 转换为灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化，使轮廓更明显
ret, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)

# 获得轮廓列表
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

# 画全部的轮廓
cv2.drawContours(img, contours, -1, (0, 0, 255), 2)

cv2.imshow('img', img)
# cv2.imshow('gray', gray)
cv2.imshow('binary', binary)

cv2.waitKey(0)

在这里插入图片描述

2.3 contourArea()和arcLength()

求轮廓的面积和周长
cv2.contourArea(contour)
contour：点集（轮廓）
cv2.arcLength(curve, closed)
curve：点集（轮廓）
closed：True/False是否是封闭的轮廓

# 计算面积
area = cv2.contourArea(contours[0])
print('面积 = %d' % area)

# 计算周长
len = cv2.arcLength(contours[0], True)
print('周长 = %d' % len)

2.4 多边形逼近与凸包

多边形逼近就是按照画多边形的方式画出图形的轮廓，而凸包只需画出大概轮廓即可。左图为多边形逼近，右图为凸包。
在这里插入图片描述

approxPolyDP()

多边形逼近轮廓
approx = cv2.approxPolyDP(curve, epsilon, closed)
curve：点集（轮廓）
epsilon：精度（越小越逼近）
closed：是否是闭合的轮廓True/False
返回值approx是一个列表

import cv2
import numpy as np

def drawShape(src, points):
    i = 0
    while i<len(points):
        if i == len(points)-1:
            x1, y1 = points[i][0]
            x2, y2 = points[0][0]
            cv2.line(src, (x1, y1), (x2, y2), (0, 255, 0), 2)
        else:
            x1, y1 = points[i][0]
            x2, y2 = points[i+1][0]
            cv2.line(src, (x1, y1), (x2, y2), (0, 255, 0), 2)
        i = i+1




img = cv2.imread('./image/hand.png')
# 转换为灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化，使轮廓更明显
ret, binary = cv2.threshold(gray, 100, 255, cv2.THRESH_BINARY)

# 获得轮廓列表
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

# 多边形逼近法
e = 5
approx = cv2.approxPolyDP(contours[0], e, True)
drawShape(img, approx)
print(approx[0][0])

cv2.imshow('img_5', img)
# cv2.imshow('gray', gray)
cv2.imshow('binary', binary)

cv2.waitKey(0)

分别是精度为20，精度为5的逼近图像
在这里插入图片描述

convexHull()

凸包
hull = cv2.convexHull(points, clockwise, …)
points：轮廓
clockwose：是否顺时针绘制True/False
返回值同样是一个列表

import cv2
import numpy as np

def drawShape(src, points):
    i = 0
    while i<len(points):
        if i == len(points)-1:
            x1, y1 = points[i][0]
            x2, y2 = points[0][0]
            cv2.line(src, (x1, y1), (x2, y2), (0, 255, 0), 2)
        else:
            x1, y1 = points[i][0]
            x2, y2 = points[i+1][0]
            cv2.line(src, (x1, y1), (x2, y2), (0, 255, 0), 2)
        i = i+1




img = cv2.imread('./image/hand.png')
# 转换为灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化，使轮廓更明显
ret, binary = cv2.threshold(gray, 100, 255, cv2.THRESH_BINARY)

# 获得轮廓列表
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

# 凸包
hull = cv2.convexHull(contours[0])
drawShape(img, hull)

cv2.imshow('img', img)
cv2.imshow('binary', binary)

cv2.waitKey(0)

在这里插入图片描述

2.5 外接矩形

分为最大外接矩形和最小外接矩形，如下图所示。
在这里插入图片描述

minAreaRect()

最小外接矩形
RotatedRect = cv2.minAreaRect(points)
points：点集（轮廓）
返回值：矩形中心点坐标，宽高，旋转角度

boundingRect()

最大外接矩形
x, y, w, h = cv2.boundingRect(array)
array：点集（轮廓）
返回值是矩形的列表：（x，y是起始坐标，w是宽度，h是高度）

import cv2
import numpy as np

img = cv2.imread('./image/hello.jpeg')
# 转换为灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化，使轮廓更明显
ret, binary = cv2.threshold(gray, 100, 255, cv2.THRESH_BINARY)

# 获得轮廓列表
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)


# 获取最小外接矩阵，中心点坐标，宽高，旋转角度
r = cv2.minAreaRect(contours[1])
# 获取矩形四个顶点，浮点型
box = cv2.boxPoints(r)
# 取整
box = np.intp(box)
# 画轮廓
cv2.drawContours(img, [box], -1, (0, 255, 0), 2)


# 获取最大外接矩形
x, y, w, h = cv2.boundingRect(contours[1])
# 画矩形
cv2.rectangle(img, (x, y), (x+w, y+h),(255, 0, 0), 2)


cv2.imshow('img', img)
cv2.imshow('binary', binary)

cv2.waitKey(0)