目录
# 图像轮廓## cv2.findConturs(img,mode,method)
# 图像轮廓
## cv2.findConturs(img,mode,method)
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
method.轮廓逼近方法：
CHAIN_APPROX_NONE ： 以Freeman链码的方式输出轮廓，所有其他方法输出多边形（顶点的序列）
CHAIN_APPROX_SIMPLE： 压缩水平的、垂直的、和斜的部分，函数只保留他们的重点部分
为了提高准确率，最好使用二值图像：
步骤:
- 读取图像数值
- 灰度化
- 二值化操作
原图：(还是可爱的小猫猫猫猫猫猫貓)
图像预处理：
import cv2
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
img = cv2.imread('cat1.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
cv_show(thresh,'thresh')
## 图像处理预处理过程获得二值化图像：
contours,hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
# 原图，轮廓信息绘制轮廓
#传入绘制图像，轮廓，轮廓索引，颜色模式，线条厚度
#注意需要使用copy 不要改变原图
draw_img = img.copy()
res = cv2.drawContours(draw_img,contours,-1,(0,0.255),2)
cv_show(res,'res')
那么我关注到，在drawContours的参数中，第三个参数-1，代表了轮廓的位置，-1代表把所有的轮廓全输出，而不同的数值，代表不同的位置，下面可以参见栗子：
原图（已完成预处理）：
参数为-1时：
参数为0时：
参数为1：
参数为2：
而最后一个参数，就为轮廓的粗细
#Summary
综上所述，就可以得出，轮廓检测的过程为：
import cv2
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
im = cv2.imread('dot.jpg')
img=cv2.resize(im,(0,0),fx=0.5,fy=0.5)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
cv_show(thresh,'thresh')
## 图像处理预处理过程
contours,hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
# 原图，轮廓信息
#传入绘制图像，轮廓，轮廓索引，颜色模式，线条厚度
#注意需要使用copy 不要改变原图（保留原图进行后续测试）
draw_img = img.copy()
res = cv2.drawContours(draw_img,contours,-1,(0,0,255),2)
cv_show(res,'res')#轮廓计算
cnt=contours[0]
#面积
cv2.contourArea(cnt)
#周长，True表示闭合
cv2.arcLength(cnt,True)
#轮廓近似
epsilon = 0.1*cv2.arcLength(cnt,True)
approx = cv2.approxPolyDP(cnt,epsilon,True)
draw_img=img.copy()
res = cv2.drawContours(draw_img,[approx],-1,(0,0,255),2)
cv_show(res,'res')
通过改变contours[]中的参数选择不同的轮廓就可以实现选择的效果