✨博客主页：米开朗琪罗~🎈

✨博主爱好：羽毛球🏸

✨年轻人要：Living for the moment（活在当下）！💪

🏆推荐专栏：【图像处理】【千锤百炼Python】【深度学习】【排序算法】

😺一
  
  
  
  
  
  
  
、查找并绘制物体轮廓

🐶1.1 查找轮廓

🦄1.1.1 函数API

函数：img, contours, hierarchy = cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]])

参数介绍：

参数image：寻找轮廓的图像； 参数mode：表示轮廓的检索模式 cv2.RETR_EXTERNAL:只检测外轮廓 cv2.RETR_LIST:检测的轮廓不建立等级关系 cv2.RETR_CCOMP:建立两个等级的轮廓
  
  
  
  
  
  
  
，上面的一层为外边界 
  
  
  
  
  
  
 ，里面的一层为内孔的边界信息              。如果内孔内还有一个连通物体 


 


 


 


 


 


 


 ，这个物体的边界也在顶层  
 
  
 
  
 
  
 
  
 
  
 
  
 
 。 cv2.RETR_TREE:建立一个等级树结构的轮廓














。 参数method：表示轮廓的近似方法： cv2.CHAIN_APPROX_NONE:存储所有的轮廓点, 相邻的两个点的像素位置差不超过1, 即max(abs(x1-x2), abs(y2-y1)) == 1 cv2.CHAIN_APPROX_SIMPLE：压缩水平方向
 
 
 
 
 
 
 
，垂直方向  
   
   
   
   
   
   
 ，对角线方向的元素 

 

 

 

 

 

 

 ，只保留该方向的终点坐标

 

 

 

 

 

 

 
，例如一个矩形轮廓只需4个点来保存轮廓信息
  
  
  
  
  
  
  。 cv2.CHAIN_APPROX_TC89_L1              ，CV_CHAIN_APPROX_TC89_KCOS：用teh-Chinl chain 近似算法 返回值img：返回原图的灰度图； 返回值contour：返回一个列表 
 

 
 

 
 

 
 

 
 

 
 

 
 

 ，列表中包含了检测到的所有轮廓














，每个轮廓用ndarray表示； 返回值hierarchy：这是一个ndarray                     ，其中的元素个数和轮廓个数相同 
 
 
 
 
 
 
 
 
 
 
 
 
 
 ，每个轮廓contours[i]对应4个hierarchy元素





















，分别为hierarchy[i][0] ~hierarchy[i][3]              ，分别表示后一个轮廓 
  
  
  
  
  
  
 、前一个轮廓 


 


 


 


 


 


 


 、父轮廓
 
 
 
 
 
 
 
、内嵌轮廓的索引编号 
 
  
 
  
 
  
 
  
 
  
 
  
 
  ，如果没有对应项













，则该值为负数  
  
  
  
  
  
  
 。

https://blog.csdn.net/hjxu2016/article/details/77833336

🦄1.1.2 程序设计

注意：在查找物体轮廓之前要先对图像进行灰度化与二值化操作！

实验使用图像：

import cv2 import numpy as np original = cv2.imread(rC:\Users\Lenovo\Desktop\contour.jpg) print(original.shape) # 查找物体轮廓 def findcontour(img): gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 图像灰度化 ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 图像二值化 image, contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 查找物体轮廓 return image, contours, hierarchy image, contours, hierarchy = findcontour(original)

我们打印轮廓数量：

print(轮廓数:, len(contours))

得到：轮廓数: 3

注意：findcontours函数会“原地              ”修改输入的图像！！！

🐶1.2 绘制轮廓

🦄1.2.1 函数API

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

参数介绍：

参数image：要绘制轮廓的图像
  
  
  
  
  
  
  
，必须是三通道； 参数contours：表示轮廓本身 
  
  
  
  
  
  
 ，存储方式为list； 参数contourIdx：轮廓索引 


 


 


 


 


 


 


 ，表示要绘制哪条轮廓
 
 
 
 
 
 
 
，若为-1  
   
   
   
   
   
   
 ，则绘制所有轮廓； 返回值img：绘制完轮廓的图像
 


 


 


 


 


 


 


。

🦄1.2.2 全部轮廓绘制程序设计及结果可视化

contours = cv2.drawContours(original, contours, -1, (255, 0, 0), 5) # 绘制所有轮廓 cv2.imshow("contour", contours) cv2.waitKey()

所有轮廓绘制的结果如下：

🦄1.2.2 逐个轮廓绘制程序设计及结果可视化

nums = len(contours) color = [(255, 0, 0), (0, 255, 0), (0, 0, 255)] contourssplit=[] for i in range(nums): temp = np.zeros(original.shape, np.uint8) contourssplit.append(temp) contourssplit[i] = cv2.drawContours(contourssplit[i], contours, i, color[i], 2) cv2.imwrite(rC:\\Users\\Lenovo\\Desktop\\%d.jpg % i, contourssplit[i]) cv2.imshow("contours" + str(i), contourssplit[i]) cv2.waitKey()

逐个轮廓绘制的结果如下：

🐶1.3 统计轮廓信息

🦄1.3.1 函数API

计算轮廓面积

函数：area= cv2.contourArea(contour 

 

 

 

 

 

 

 ，oriented)

参数介绍：

参数contour：轮廓信息； 参数oriented：有方向的区域标志 true:此函数依赖轮廓的方向（顺时针或逆时针）返回一个已标记区域的值
 
 
 
 
 
 
 。 false:默认值   
   
   
   
   
   
   
 。意味着返回不带方向的绝对值
 

 

 

 

 

 

 

。

该函数有个缺点：由于其计算方式是利用格林公式计算轮廓面积

 

 

 

 

 

 

 
，所以如果遇到具有自交点的轮廓              ，该函数会给出错误的结果

 

 

 

 

 

 

 。

统计轮廓信息

⬇️⬇️⬇️⬇️⬇️⬇️⬇️⬇️重点

⬇️⬇️⬇️⬇️⬇️⬇️⬇️⬇️

函数：moment = cv2.moments(contour)

参数介绍：

参数contour：轮廓信息； 参数moment：图像的矩               。

函数返回一个字典 
 

 
 

 
 

 
 

 
 

 
 

 
 

 ，你可以从中得到有关轮廓的各种信息














，包括面积  
   
   
   
   
   
   
 、重心等！

计算轮廓周长

函数：perimeter=cv2.arcLength(contour, closed)

参数介绍：

参数contour：轮廓信息； 参数closed：用于指示轮廓是否封闭
 
 

 
 

 
 

 
 

 
 

 
 

 
 

。 True:轮廓封闭













。 False:轮廓不封闭                      。

🦄1.3.2 程序设计

我们先看cv2.moments中的信息                     ，使用debug看a中的数据：

a是一个具有24个键值对的字典 
 
 
 
 
 
 
 
 
 
 
 
 
 
 ，包含了轮廓的各个信息 
 
 
 
 
 
 
 
 
 
 
 
 
 
。

使用cv2.moments(contours[i])[m00]得到轮廓面积；

使用int(cv2.moments(contours[i])[m10]/cv2.moments(contours[i])[m00])和

int(cv2.moments(contours[i])[m01]/cv2.moments(contours[i])[m00])得到轮廓重心；

使用cv2.arcLength(contours[i], True)得到轮廓的长度





















。

nums = len(contours) color = [(255, 0, 0), (0, 255, 0), (0, 0, 255)] contourssplit=[] for i in range(nums): temp = np.zeros(original.shape, np.uint8) contourssplit.append(temp) contourssplit[i] = cv2.drawContours(contourssplit[i], contours, i, color[i], 2) a = cv2.moments(contours[i]) print("轮廓" + str(i) + "的面积:%d" % cv2.moments(contours[i])[m00]) print("轮廓" + str(i) + "的重心:%d" % int(cv2.moments(contours[i])[m10]/cv2.moments(contours[i])[m00]), int(cv2.moments(contours[i])[m01]/cv2.moments(contours[i])[m00])) print("轮廓" + str(i) + "的长度:%d" % cv2.arcLength(contours[i], True))

结果如下：

轮廓0的面积:3214 轮廓0的重心:69 199 轮廓0的长度:403 轮廓1的面积:4752 轮廓1的重心:202 142 轮廓1的长度:336 轮廓2的面积:8019 轮廓2的重心:69 67 轮廓2的长度:336