轮廓：入门指南

下一篇教程： 轮廓特征

目标

• 了解什么是轮廓。
• 学习如何查找轮廓、绘制轮廓等
• 您将看到这些函数：cv.findContours()、cv.drawContours()

什么是轮廓？

轮廓可以简单地解释为连接所有连续点（沿边界）的曲线，这些点具有相同的颜色或强度。轮廓是形状分析和物体检测及识别的有用工具。

• 为了获得更高的准确度，请使用二值图像。因此在查找轮廓之前，请应用阈值或 Canny 边缘检测。
• 从 OpenCV 3.2 开始，findContours() 不再修改源图像。
• 在 OpenCV 中，查找轮廓就像从黑色背景中查找白色物体。因此请记住，要查找的物体应为白色，而背景应为黑色。

我们来看看如何查找二值图像的轮廓

import numpy as np
import cv2 as cv
 
im = cv.imread('test.jpg')
assert im is not None, "file could not be read, check with os.path.exists()"
imgray = cv.cvtColor(im, cv.COLOR_BGR2GRAY)
ret, thresh = cv.threshold(imgray, 127, 255, 0)
contours, hierarchy = cv.findContours(thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)

看到了吧，cv.findContours() 函数有三个参数，第一个是源图像，第二个是轮廓检索模式，第三个是轮廓近似方法。并且它会输出轮廓层次结构。轮廓是图像中所有轮廓的 Python 列表。每个单独的轮廓是一个 Numpy 数组，其中包含对象边界点的 (x,y) 坐标。

注意

我们将在后面详细讨论第二个和第三个参数以及层次结构。在那之前，代码样本中给它们的这些值对所有图像来说都是合适的。

如何绘制轮廓？

为了绘制轮廓，使用 cv.drawContours 函数。当所提供的边界点时，它也可以用来绘制任何形状。它的第一个参数是源图像，第二个参数是被当做 Python 列表传递的轮廓，第三个参数是轮廓的索引（在绘制单个轮廓时很有用。要绘制所有轮廓，传递 -1），剩余的参数是颜色、厚度等。

• 要绘制图像中的所有轮廓

  cv.drawContours(img, contours, -1, (0,255,0), 3)

• 要绘制单个轮廓，比如第 4 个轮廓

  cv.drawContours(img, contours, 3, (0,255,0), 3)

• 但是大多数时候，下面这个方法会很有用

  cnt = contours[4]
  cv.drawContours(img, [cnt], 0, (0,255,0), 3)

注意

最后两种方法是一样的，但是当你深入研究之后，你会发现最后一个更有用。

轮廓近似方法

这是 cv.findContours 函数中的第三个参数。它到底表示什么？

上面我们说过轮廓具有相同强度的形状的边界。它存储形状边界的 (x,y) 坐标。但是它是否存储所有坐标？这由轮廓近似方法指定。

如果你传递 cv.CHAIN_APPROX_NONE，那么存储所有的边界点。但实际上我们是否需要所有的点？例如，你找到了一个直线的轮廓。你需要直线上的所有点来表示这条直线吗？不需要，我们只需要这条直线的两个端点。这就是 cv.CHAIN_APPROX_SIMPLE 所做的。它删除所有冗余点并压缩轮廓，从而节省内存。

下方的矩形图像演示了此技术。只需在轮廓数组（以蓝色绘制）中的所有坐标上绘制圆。第一幅图像显示了使用 cv.CHAIN_APPROX_NONE（734 个点）获得的点，第二幅图像显示了使用 cv.CHAIN_APPROX_SIMPLE（仅有 4 个点）获得的点。看看这节省了多少内存！！！

图像

其他资源

练习