下一个教程： 轮廓特征

目标

理解什么是轮廓。
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。轮廓是用于形状分析和对象检测与识别的有用工具。

为了获得更高的精度，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一样。因此请记住，要查找的对象应该是白色的，背景应该是黑色的。

让我们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, "文件无法读取，请使用 os.path.exists() 检查"
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)

请看，cv.findContours() 函数中有三个参数，第一个是源图像，第二个是轮廓检索模式，第三个是轮廓逼近方法。它输出轮廓和层次结构。轮廓是图像中所有轮廓的 Python 列表。每个单独的轮廓都是一个 Numpy 数组，包含对象边界点的 (x,y) 坐标。

注意: 我们稍后将详细讨论第二个和第三个参数以及层次结构。在此之前，代码示例中给出的值将适用于所有图像。

如何绘制轮廓？

要绘制轮廓，可以使用 cv.drawContours 函数。如果您拥有其边界点，它也可以用于绘制任何形状。它的第一个参数是源图像，第二个参数是轮廓（应作为 Python 列表传递），第三个参数是轮廓的索引（在绘制单个轮廓时有用。要绘制所有轮廓，请传递 -1），其余参数是颜色、粗细等。

要绘制图像中的所有轮廓
cv.drawContours(img, contours, -1, (0,255,0), 3)

cv::drawContours
void drawContours(InputOutputArray image, InputArrayOfArrays contours, int contourIdx, const Scalar &color, int thickness=1, int lineType=LINE_8, InputArray hierarchy=noArray(), int maxLevel=INT_MAX, Point offset=Point())
绘制轮廓轮廓或填充轮廓。
要绘制单个轮廓，例如第 4 个轮廓
cv.drawContours(img, contours, 3, (0,255,0), 3)
但大多数情况下，以下方法将很有用
cnt = contours[4]

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

注意: 最后两种方法相同，但是当您继续前进时，您会发现最后一种方法更有用。

轮廓逼近方法

这是 cv.findContours 函数中的第三个参数。它究竟表示什么？

上面，我们说过轮廓是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？这是由这种轮廓逼近方法指定的。

如果您传递 cv.CHAIN_APPROX_NONE，则会存储所有边界点。但是实际上我们需要所有点吗？例如，您找到了直线的轮廓。您是否需要直线上的所有点来表示该直线？不需要，我们只需要该直线的两个端点。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。

下面的矩形图像演示了此技术。只需在轮廓数组中的所有坐标上绘制一个圆圈（以蓝色绘制）。第一张图像显示了我使用 cv.CHAIN_APPROX_NONE（734 个点）获得的点，第二张图像显示了使用 cv.CHAIN_APPROX_SIMPLE（只有 4 个点）获得的点。看看它节省了多少内存！！！

图像