OpenCV笔记整理【图像轮廓】

边缘i检测虽然能够检测出边缘，但是边缘是不连续的。图像轮廓可以将边缘连接起来形成一个整体，其中包括目标的大小、位置、方向等信息。

1. 查找轮廓：findContours()

格式：contours, hierarchy = findCountours ( image, mode, method )

返回值 contours：找到的轮廓

contours下面包括若干个contours[i], 每个contours[i]代表一个轮廓，表示一个numpy.ndarray类型。
获取总轮廓数：len(contours)
获取当前轮廓的总像素点个数：len(contours[i])

返回值 hierarchy：组织层次。

表述轮廓之间的位置嵌套关系。
返回4个索引编号[NEXT,BEFORE,FIRST,ROOT] 默认没有嵌套关系时为-1。
这个编号由参数 mode 中的提取方式而决定。

参数 image：输入图像，必须是8位单通道的二值图像，必须是白色对象黑色背景。
参数 mode：决定轮廓的提取方式：

cv2.RETR_EXTERNAL 只检测外轮廓。
cv2.RETR_LIST 对查找的轮廓不建立等级关系。
cv2.RETR_CCOMP 只建立2个等级轮廓。
cv2.RETR_TREE 建立等级树。

参数 method：决定了如何表达轮廓：

cv2.CHAIN_APPROX_NONE: 保留所有的点，相邻不大于1像素。
cv2.CHAIN_APPROX_SIMPLE: 只保留方向上的终点坐标。

2. 绘制轮廓： drawContours()

格式：image = drawContours (image, contours, contourIdx, color, thickness)

返回值 image：结果图像，也可以写成没有返回值 image 的形式。
参数 contours：需要绘制的轮廓。
参数 contourIdx: 需要绘制的轮廓索引。
参数 color：绘制的线条颜色。
参数 thickness：绘制的线条的宽度。

上代码：

import cv2
import numpy as np
import matplotlib.pyplot as plt

o = cv2.imread('contours.bmp')  

plt.figure(figsize=(10,10),dpi=100)
plt.subplot(1,4,1)
plt.title("O")
plt.imshow(o),plt.axis('off')

# 转换为8位灰度图
gray = cv2.cvtColor(o,cv2.COLOR_BGR2GRAY)  

# 二值化图像
ret, binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)  

# 提取轮廓
contours, hierarchy = cv2.findContours(binary,
                                cv2.RETR_TREE, # 建立等级树
                      cv2.CHAIN_APPROX_SIMPLE) # 保留关键点
n=len(contours) # 获取轮廓个数
contoursImg=[] # 创建一个填充轮廓的元组

for i in range(n):
    temp=np.zeros(o.shape,np.uint8) # 创建一个所有元素为0的矩阵
    contoursImg.append(temp) # 添加画布
    contoursImg[i]=cv2.drawContours(contoursImg[i], # 传入画布
                                          contours, # 提取当前的轮廓集合
                                                 i, # 第i个轮廓
                                         (0,0,255), # RGB通道选择B
                                                 5) # 线条宽度5
    # 显示
    plt.subplot(1,4,i+2)
    plt.title("Contours"+str(i))
    plt.imshow(contoursImg[i]),plt.axis('off')

print(hierarchy) # 打印组织层次

运行：
在这里插入图片描述
这里打印出来的层级组织：hierarchy表示的二维数组，有必要说明一下：
按照【后轮廓Index，前轮廓Index，子轮廓Index，父轮廓Index】这个顺序，首先第一数组中[1,-1,-1,-1]就表示Contours0的后轮廓索引为1，前轮廓不存在没有所以是-1，子轮廓不存在所以是-1，父轮廓不存在所以是-1。

3. 矩特征：moments

比较两个图像的最简单的方式，就是比较矩特征。简单理解就是使用一组矩阵数据表示轮廓的：大小、位置、角度、形状等，当对比的矩阵数据完全相同时，这两个轮廓也相同。

空间矩： m00表示对象面积。
零阶矩：m00
一阶矩：m10,m01
二阶矩：m20,m11,m02
三阶矩：m30,m21,m12,m03
中心矩： 用来解决不同位置上两个对象的一致性对比。
二阶中心矩：mu20,mu11,mu02
三阶中心矩：mu30,mu21,mu12,mu03
归一化中心矩： 解决平移缩放后的两个对象的一致性对比。
二阶Hu矩：nu20,nu11,nu02
三阶Hu矩：nu30,nu21,nu12,nu03

上代码：

import cv2
import numpy as np

o = cv2.imread('moments.bmp') 
cv2.imshow("original",o) 
gray = cv2.cvtColor(o,cv2.COLOR_BGR2GRAY)  
ret, binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)  
contours, hierarchy = cv2.findContours(binary,
                                             cv2.RETR_LIST,
                                             cv2.CHAIN_APPROX_SIMPLE)  
n=len(contours)
contoursImg=[]
for i in range(n):
    temp=np.zeros(o.shape,np.uint8) 
    contoursImg.append(temp) 
    contoursImg[i]=cv2.drawContours(contoursImg[i],contours,i,255,3) # 绘制轮廓
    cv2.imshow("contours[" + str(i)+"]",contoursImg[i]) 
    
print("矩特征:")
for i in range(n):
    print("Contours"+str(i)+" :\n",cv2.moments(contours[i])) # 打印矩特征 
    
print("面积:")
for i in range(n):
    print("Contours"+str(i)+"area :%d" %cv2.moments(contours[i])['m00']) # 打印轮廓面积
    
cv2.waitKey()
cv2.destroyAllWindows()

结果：
在这里插入图片描述

4. 获取轮廓的面积和周长：contourArea / arcLength

cv2.contoursArea(contours[0]) # 获取轮廓面积
cv2.arcLength(contours[0],closed) # 获取轮廓周长（closed为Ture表示轮廓是封闭的，反之。。）

5. 形状匹配：matchShapes

score = cv2.matchShapes(灰度图像1，灰度图像2，比较Hu的方式，0)
返回一个float类型的匹配得分。

上代码：

import cv2
from matplotlib import pyplot as plt

#--------------读取3幅原始图像--------------------
o1 = cv2.imread('cs1.bmp')
o2 = cv2.imread('cs2.bmp')
o3 = cv2.imread('cc.bmp') 

#--------------色彩空间转换-------------------- 
gray1 = cv2.cvtColor(o1,cv2.COLOR_BGR2GRAY) 
gray2 = cv2.cvtColor(o2,cv2.COLOR_BGR2GRAY) 
gray3 = cv2.cvtColor(o3,cv2.COLOR_BGR2GRAY) 

#-------------进行Hu矩匹配--------------------
ret0 = cv2.matchShapes(gray1,gray1,2,0)
ret1 = cv2.matchShapes(gray1,gray2,2,0)
ret2 = cv2.matchShapes(gray1,gray3,2,0)
#--------------打印差值--------------------
print("模板图像得分：",ret0)
print("相似度得分：",ret1)
print("相似度得分：",ret2)

plt.subplot(131)
plt.imshow(o1) 
plt.title("pattern")
 
plt.subplot(132) 
plt.imshow(o2)
plt.title("o2")
 
plt.subplot(133)
plt.imshow(o3)
plt.title("o3")

cv2.waitKey()
cv2.destroyAllWindows()

运行结果：
在这里插入图片描述

6. 矩形外围框：boundingRect

x,y,w,h = cv2.boundingRect(contours[0])
返回一个轮廓的外围框左上角的x、y、x方向长度w、y方向长度h。

上代码：

import cv2
import numpy as np

#---------------读取并显示原始图像------------------ 
o = cv2.imread('cc.bmp')  
cv2.imshow("original",o)

#---------------提取图像轮廓------------------ 
gray = cv2.cvtColor(o,cv2.COLOR_BGR2GRAY)  
ret, binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)  
contours, hierarchy = cv2.findContours(binary,
                                       cv2.RETR_LIST,
                                       cv2.CHAIN_APPROX_SIMPLE) 

#---------------构造矩形边界------------------ 
x,y,w,h = cv2.boundingRect(contours[0])
rect = np.array([[[x, y]], [[x+w, y]], [[x+w, y+h]], [[x, y+h]]])
# 注意：这里的rect是一个list类型，应该以[]的方式出现
cv2.drawContours(o, [rect], -1, (255, 0,0), 2) 

#---------------显示矩形边界------------------
cv2.imshow("result",o)
cv2.waitKey()
cv2.destroyAllWindows()

运行结果：
在这里插入图片描述
总结：关于轮廓的几何绘制方式有很多种，这里就不一一列举了，今天就先分享到这里，希望能帮到你。。。