Opencv轮廓检测运用与理解

目录

引入

基本理解

加深理解

①比如我们可以获取我们的第一个轮廓,只展示第一个轮廓

②我们还可以用一个矩形把我们的轮廓给框出来

③计算轮廓的周长和面积

---

引入

顾名思义,就是把我们图片的轮廓全部都描边出来

也就是我们在日常生活中面部识别的时候会有一个框,那玩意就是

基本理解

我们还是通过例子来基本的理解以下opencv是如何实现轮廓识别的

---

这是我们的原图像? test.png

---

实现代码

cv2.findContours(img,mode,method)

img:轮廓检索模式:

• 传入的图像

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;(一般只用这种)

method:轮廓逼近方法

• CHAIN_APPROX_NONE：以Freeman链码的方式输出轮廓,输出完整的轮廓（一般用这种）
• 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。(即只保留轮廓点)

返回的值:

contours	获取到的轮廓点
hierarchy	???层数(可以不用管)

cv2.drawContours(图像，轮廓，轮廓索引，颜色模式，线条厚度)

注意：会影响我们传入的原图像,记得定义一个临时图像传入进去

import cv2

img = cv2.imread("test.png")
img = cv2.resize(img,(500,400))
# 转换为灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 阈值处理,让图像颜色只有2种颜色  提高准确性
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 进行轮廓处理
# cv2.findContours返回两个值
# contours 轮廓点（是个列表）
# hierarchy 层数（用不到）
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
# 轮廓描边后会影响原图,所以我们定义一个临时的图片
temp_img = img.copy()
# 进行轮廓描边
# contours 获取到的轮廓点
# -1 表示的画出所有的轮廓，eg:0就表示我们列表中第一个轮廓
# (0, 0, 255) 表示我们用红色线条来绘画 bgr
# 2 表示线条粗细
res = cv2.drawContours(temp_img, contours, -1, (0, 0, 255), 2)

cv2.imshow("res",res)
cv2.waitKey()
cv2.destroyAllWindows()

结果:

---

加深理解

除了最基本的用法,我们还有很多扩充的用法

①比如我们可以获取我们的第一个轮廓,只展示第一个轮廓

contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
# 取出列表中第一个
con = contours[0]
# 绘制
res = cv2.drawContours(temp_img, con, -1, (0, 0, 255), 2)
# 展示
cv2.imshow("res",res)

我们可以看到,只出现了我们列表第一个的轮廓

---

②我们还可以用一个矩形把我们的轮廓给框出来

原图像:

实现代码:

img = cv2.imread('contours.png')

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
binary, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
cnt = contours[0]

# 返回我们要绘制的矩形特征
x,y,w,h = cv2.boundingRect(cnt)
# 绘制矩形
img = cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
cv_show(img,'img')

x,y,w,h = cv2.boundingRect(cnt)

返回我们的x和y的坐标? 以及宽和高

cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)

绘制我们的矩形

(x,y)表示我们的开始坐标

(x+w,y+h)表示我们的边

最后会自动把对边连接起来形成一个矩形

结果:

---

③计算轮廓的周长和面积

这个很简单,就是调用两个函数就能实现对应得功能

cnt = contours[0]
#面积
cv2.contourArea(cnt)
#周长，True表示闭合的
cv2.arcLength(cnt,True)