1.图像轮廓查找识别与绘制图像轮廓
1.1 什么是图像轮廓
图像轮廓是具有相同颜色或灰度的连续点的曲线. 轮廓在形状分析和物体的检测和识别中很有用。
轮廓的作用:
- 用于图形分析
- 物体的识别和检测
注意点:
- 为了检测的准确性,需要先对图像进行二值化或Canny操作。
- 画轮廓时会修改输入的图像, 如果之后想继续使用原始图像,应该将原始图像储存到其他变量中。
1.2 图像轮廓的查找
-
findContours(image, mode, method[, contours[, hierarchy[, offset]]])
-
mode 查找轮廓的模式
- RETR_EXTERNAL = 0, 表示只检测外围轮廓
- RETR_LIST = 1, 检测的轮廓不建立等级关系, 即检测所有轮廓, 较为常用
- RETR_CCOMP = 2, 每层最多两级, 从小到大, 从里到外.
- RETR_TREE = 3, 按照树型存储轮廓, 从大到小, 从右到左.
- RETR_EXTERNAL = 0, 表示只检测外围轮廓
-
method 轮廓近似方法也叫ApproximationMode
- CHAIN_APPROX_NONE 保存所有轮廓上的点
- CHAIN_APPROX_SIMPLE, 只保存角点, 比如四边形, 只保留四边形的4个角, 存储信息少, 比较常用
-
返回 contours和hierachy 即轮廓和层级
-
代码实现
import cv2
import numpy as np
# 该图像显示效果是黑白的, 但是实际上却是3个通道的彩色图像.
img = cv2.imread('./contours1.jpeg')
# 变成单通道的黑白图片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化, 注意有2个返回值, 阈值和结果
ret, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
# cv2.imshow('img', img)
# cv2.imshow('binary', binary)
# 轮廓查找, 新版本返回两个结果, 轮廓和层级, 老版本返回3个参数, 图像, 轮廓和层级
result, contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 打印轮廓
print(contours)
cv2.waitKey(0)
cv2.destroyAllWindows()
1.3 图像轮廓的绘制
-
drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]])
- image 要绘制的轮廓图像
- contours轮廓点
- contourIdx 要绘制的轮廓的编号. -1 表示绘制所有轮廓
- color 轮廓的颜色, 如 (0, 0, 255)表示红色
- thickness线宽, -1 表示全部填充
代码实现
import cv2
import numpy as np
# 该图像显示效果是黑白的, 但是实际上却是3个通道的彩色图像.
img = cv2.imread('./contours1.jpeg')
# 变成单通道的黑白图片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化, 注意有2个返回值, 阈值和结果
ret, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
# 轮廓查找, 新版本返回两个结果, 轮廓和层级, 老版本返回3个参数, 图像, 轮廓和层级
result, contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 绘制轮廓, 注意, 绘制轮廓会改变原图
cv2.drawContours(img, contours, 1, (0, 0, 255), 2)
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
效果如图
1.4轮廓的面积和周长的计算
轮廓面积是指每个轮廓中所有的像素点围成区域的面积,单位为像素。
轮廓面积是轮廓重要的统计特性之一,通过轮廓面积的大小可以进一步分析每个轮廓隐含的信息,例如通过轮廓面积区分物体大小识别不同的物体。
扫描二维码关注公众号,回复:
14533972 查看本文章
在查找到轮廓后, 可能会有很多细小的轮廓, 我们可以通过轮廓的面积进行过滤.
- contourArea(contour)
- arcLength(curve, closed)
- curve即轮廓
- closed是否是闭合的轮廓
代码实现
import cv2
import numpy as np
# 该图像显示效果是黑白的, 但是实际上却是3个通道的彩色图像.
img = cv2.imread('./contours1.jpeg')
# 变成单通道的黑白图片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化, 注意有2个返回值, 阈值和结果
ret, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
# 轮廓查找, 新版本返回两个结果, 轮廓和层级, 老版本返回3个参数, 图像, 轮廓和层级
result, contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 绘制轮廓, 注意, 绘制轮廓会改变原图
cv2.drawContours(img, contours, 1, (0, 0, 255), 2)
# 计算面积
area = cv2.contourArea(contours[1])
print('area: ', area)
cv2.imshow('img', img)
# 计算周长
perimeter = cv2.arcLength(contours[1], True)
print('perimeter:', perimeter)
cv2.waitKey(0)
cv2.destroyAllWindows()