系列文章目录

---

---

前言

轮廓可以简单地理解为连接所有连续点（沿物体边界）的曲线，这些点通常具有相同的颜色或强度。 轮廓在图像分析中具有重要意义，是物体形状分析和对象检测和识别的有用工具，是理解图像语义信息的重要依据。

本文主要介绍了在 opencv 中，一些重要的用于处理物体轮廓的方法。

---

1. cv2.findContours()

1.1. 方法概述

cv2.findContours() 函数是 OpenCV 库的一部分，它被广泛用于计算机视觉任务。这个函数用于检测和寻找图像中的轮廓（边界）。

通常，为了提高物体轮廓检测的准确率，首先要将彩色图像或者灰度图像处理成二值图像（灰度图）或者使用 Canny 边缘检测算法对原图像进行一次滤波处理，这样可以在不丢失轮廓信息的前提下降低图像语义信息的复杂度，更有助于我们准确地分析物体轮廓。

简而言之，寻找轮廓的过程更像是在黑色的背景中，寻找白色物体边界的过程。

1.2. cv2.findContours()

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

• 参数含义
  • imgae：单通道二值图像，白色是前景（二值图像或经过Canny算法处理之后的图像）
  • mode：轮廓检索模式
  • method：轮廓逼近方法
• 返回值含义
  • contours
    • 一个包含了图像中所有轮廓的list对象。其中每一个独立的轮廓信息以边界点坐标 $(x,y)$ 的形式储存在 numpy 数组中
    • [1, 712, 1, 2]
      • contours.shape[0]：这代表了在图像中发现的轮廓线的总数
      • contours[i].shape[0]：这代表第 $i$ 个轮廓的点的数量；每个轮廓线由多个点组成，这个维度给出了轮廓线的长度
      • contours[i].shape[1] ：这代表用于表示轮廓线中每个点的维度（坐标）的数量；在大多数情况下，这将是 $2$，表示每个点的$(x,y)$ 坐标
  • hierarchy
    • 一个包含有关轮廓层级的 4 个值的数组 [Next, Previous, First Child, Parent]
      • Next：与当前轮廓处于同一层级的下一条轮廓
      • Previous：与当前轮廓处于同一层级的上一条轮廓
      • First_Child：当前轮廓的第一条子轮廓
      • Parent：当前轮廓的父轮廓

1.2.1. 轮廓检索模式

轮廓检索模式的详细概念如下所示：

轮廓检索模式	作用
cv2.RETR_LIST	这是最简单的一种寻找方式，它不建立轮廓间的子属关系，也就是所有轮廓都属于同一层级；以 List 形式输出轮廓信息
cv2.RETR_TREE	完整建立轮廓的层级从属关系，以树结构输出轮廓信息
cv2.RETR_EXTERNAL	只寻找最高层级的轮廓，即外轮廓
cv2.RETR_CCOMP	把所有的轮廓只分为 2 个层级，不是外层的就是里层的；输出两层轮廓信息，即内外两个边界，上面一层为外边界，里面一层为内孔的边界信息

基于下面的图，来解释图像的轮廓层级：

图中总共有 8 条轮廓，2 和 2a 分别表示外层和里层的轮廓，3 和 3a 同理，从图中可以发现：

1. 轮廓 0、1、2 是最外层的轮廓，我们可以说它们处于同一轮廓等级：0级
2. 轮廓 2a 是轮廓 2 的子轮廓，反过来说 2 是 2a 的父轮廓；轮廓 2a 算一个等级：1级
3. 同样 3 是 2a 的子轮廓，轮廓 3 处于一个等级：2级
4. 类似的，3a 是 3 的子轮廓

• cv2.RETR_RETR_LIST
  • 这是最简单的一种寻找方式，它不建立轮廓间的子属关系，也就是所有轮廓都属于同一层级
  • hierarchy 中的后两个值 [First_Child, Parent] 都为 $-1$
  • 因为没有从属关系，所以轮廓 $0$ 的下一条是 $1$，$14 的下一条是 $2$
  • 如果不需要轮廓层级信息的话，更推荐使用 cv.RETR_LIST，因为性能更好

contours, hierarchy = cv2.findContours(thresh, cv2.RETR_LIST, 2)
print(hierarchy)
# 结果如下
[[[ 1 -1 -1 -1]
  [ 2  0 -1 -1]
  [ 3  1 -1 -1]
  [ 4  2 -1 -1]
  [ 5  3 -1 -1]
  [ 6  4 -1 -1]
  [ 7  5 -1 -1]
  [-1  6 -1 -1]]]

• cv2.RETR_TREE
  • Next
    • 对轮廓 0 来说，与 0 处于同一层级的下一条轮廓是 1，所以 Next = 1
    • 同理，对轮廓 1 来说，Next=2
    • 对轮廓 2 来说，没有与它同一层级的下一条轮廓了，此时 Next = -1
  • Previous
    • 对轮廓 1 来说，Previous = 0
    • 对轮廓 2 来说，Previous = 1
    • 对轮廓 2a 来说，没有上一条轮廓了，所以 Previous = -1
  • First_Child
    • 对轮廓 2 来说，第一条子轮廓就是轮廓 2a，所以 First_Child = 2a
    • 对轮廓 3 来说，First_Child = 3a
  • Parent
    • 对轮廓 2a 来说，父轮廓是 2，Parent = 2
    • 对轮廓 2 来说，没有父轮廓，Parent = 0

contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, 2)
print(hierarchy)
# 结果如下
[[[ 6 -1  1 -1]
  [-1 -1  2  0]
  [-1 -1  3  0]
  [-1 -1  4  2]
  [ 5 -1 -1  3]
  [-1  4 -1  3]
  [ 7  5 -1 -1]
  [-1  6 -1 -1]]]

• cv2.RETR_EXTERNAL
  • 这种方式只寻找最高层级的轮廓，也就是它只会找到前面我们所说的 3 条 0 级轮廓

contours, hierarchy = cv.findContours(thresh, cv.RETR_EXTERNAL, 2)
print(len(contours), hierarchy, sep='\n')
# 结果如下
3
[[[ 1 -1 -1 -1]
  [ 2  0 -1 -1]
  [-1  1 -1 -1]]]

• cv2.RETR_CCOMP
  • 把所有的轮廓只分为 2 个层级，不是外层的就是里层
  • 上图中，括号里面 1 代表外层轮廓，2 代表里层轮廓
  • 对于轮廓 2
    • Next 就是 4，Previous 是 1
    • 它有里层的轮廓 3，所以 First_Child = 3
    • 但因为只有两个层级，它本身就是外层轮廓，所以 Parent = -1

contours, hierarchy = cv.findContours(thresh, cv.RETR_CCOMP, 2)
print(hierarchy)
# 结果如下
[[[ 1 -1 -1 -1]
  [ 2  0 -1 -1]
  [ 4  1  3 -1]
  [-1 -1 -1  2]
  [ 6  2  5 -1]
  [-1 -1 -1  4]
  [ 7  4 -1 -1]
  [-1  6 -1 -1]]]

1.2.2. 轮廓逼近方法

轮廓逼近方法	作用
cv2.CHAIN_APPROX_NONE	存储所有边界点
cv2.CHAIN_APPROX_SIMPLE	不保存轮廓中水平、垂直、对角的线段，只保存轮廓的角点
cv2.CHAIN_APPROX_TX89_L1	使用 teh-Chini 近似算法
cv2.CHAIN_APPROX_TC89_KCOS	使用 teh-Chini 近似算法

• 一般来说，后面两种方法不常见
• cv2.CHAIN_APPROX_NONE 见下图左；cv2.CHAIN_APPROX_SIMPLE 见下图右

---

2. cv2.drawContours()

2.1. 方法概述

在通过 cv2.findContours() 找到物体的轮廓后，有时候需要可视化物体的轮廓以判断是否符合预期，这个时候就需用到 opencv 包含的另一个重要方法 cv2.drawContours()。cv2.drawContours() 可以在 image 上用指定的颜色和线的宽度画出使用 cv2.findContours() 获得的物体轮廓。

2.2. cv2.drawContours()

cv2.drawContours(image, contours, contourIdx, color, thickness=None, lineType=None, hierarchy=None, maxLevel=None, offset=None)

• 参数含义
  • image
    • 这是要绘制轮廓线的输入图像
    • 通常是一个 RGB 格式的图像，或者是一个灰度图
  • contours
    • 是你想在图像上绘制的轮廓线的列表
    • 它应该是一个 Python 列表，其中每个轮廓被表示为一个 $(x,y)$ 坐标的 NumPy 数组
  • contourIdx
    • 这个参数指定要画的轮廓的索引
    • 通常使用 -1 来绘制所有的轮廓
  • color
    • 这个参数指定了轮廓线的颜色
    • 对于彩色图像，颜色应该被指定为代表 BGR 值的三个整数的元组（需要注意是 BGR 而不是 RGB，与使用 cv2.imread() 方法读进来的彩色图像通道相同）
    • 对于灰度图像，颜色值是一个代表强度的标量
  • thickness
    • 这个参数指定轮廓线的厚度，单位是像素
    • 使用一个负值来填充轮廓线

---

3. cv2.contourArea()

3.1. 方法概述

cv2.contourArea() 函数是 OpenCV 提供的一个实用函数，用于计算一个轮廓的面积。它接受一个轮廓作为输入，并返回该轮廓的面积。

3.2. cv2.contourArea()

area = cv2.contourArea(contours, oriented=false)

• 参数含义
  • contours
    • 要计算面积的输入轮廓
    • 应该是一个由 $(x,y)$ 坐标组成的 NumPy 数组表示的单一轮廓
  • oriented
    • 面向区域标识符。有默认值 false
    • 若为 true，该函数返回一个带符号的面积值，正负取决于轮廓的方向（顺时针还是逆时针）
    • 若为 false，表示以绝对值返回。
• 返回值
  • area
    • 是输出变量，用于存储计算出的轮廓所围成的面积
    • 它是一个浮点值，以像素为单位表示面积

3.3. 存在的问题

需要注意的是 cv2.contourArea() 计算得到的面积，可能会比预期的面积稍微小一点，这是因为 cv2.contourArea() 通过取连通域边界像素中心点，连接起来，成为一个轮廓，导致一周得边界像素点丢失，即求得得面积比真实得面积少了一圈

比如下图，真实面积 $4\times 4=16$，而 cv2.contourArea() 则只计算红线内的面积，只有 $3\times 3=9$

因此，cv2.contourArea() 可能将一些轮廓的面积计算为 0，如下图所示

一个简单的解决方法为

 rect = cv2.minAreaRect(contours)  #最小外接矩形
 box = cv2.boxPoints(rect)
 box = np.int0(box)
 area = cv2.contourArea(box)

---

总结

本文主要记录了一些博主最近在实验过程中遇到的与 label 轮廓相关的处理函数，如果后面有需要，会继续更新相关的函数。

参考博客
参考博客