下一个教程： 轮廓特征
目标
什么是轮廓？
轮廓可以简单地解释为连接所有连续点（沿着边界），具有相同颜色或强度的曲线。 轮廓是形状分析以及对象检测和识别的有用工具。
- 为了获得更好的精度，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。
- 自 OpenCV 3.2 起，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对象。 所以请记住，要查找的对象应该是白色，背景应该是黑色。
让我们看看如何找到二值图像的轮廓
import numpy as np
import cv2 as cv
assert im is not None, "无法读取文件，请检查 os.path.exists()"
contours, hierarchy =
cv.findContours(thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
CV_EXPORTS_W Mat imread(const String &filename, int flags=IMREAD_COLOR_BGR)
从文件加载图像。
void cvtColor(InputArray src, OutputArray dst, int code, int dstCn=0, AlgorithmHint hint=cv::ALGO_HINT_DEFAULT)
将图像从一个颜色空间转换为另一个颜色空间。
double threshold(InputArray src, OutputArray dst, double thresh, double maxval, int type)
对每个数组元素应用固定级别的阈值。
void findContours(InputArray image, OutputArrayOfArrays contours, OutputArray hierarchy, int mode, int method, Point offset=Point())
在二值图像中查找轮廓。
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，第三个是轮廓近似方法。 它输出轮廓和层级。 轮廓是图像中所有轮廓的 Python 列表。 每个单独的轮廓都是对象边界点的 (x,y) 坐标的 Numpy 数组。
- 注意
- 稍后我们将详细讨论第二个和第三个参数以及层级。 在此之前，代码示例中给它们的值对于所有图像都可以正常工作。
如何绘制轮廓？
要绘制轮廓，请使用 cv.drawContours 函数。 它也可以用于绘制任何形状，只要您具有其边界点。 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（在绘制单个轮廓时很有用。要绘制所有轮廓，请传递 -1），其余参数是颜色、粗细等。
- 绘制图像中的所有轮廓
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())
绘制轮廓线或填充轮廓。
- 绘制单个轮廓，例如第 4 个轮廓
- 但是大多数时候，以下方法将很有用
- 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。
轮廓近似方法
这是 cv.findContours 函数中的第三个参数。 它实际上表示什么？
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？ 这由轮廓近似方法指定。
如果您传递 cv.CHAIN_APPROX_NONE，则所有边界点都将存储。 但是实际上我们需要所有点吗？ 例如，您找到了直线的轮廓。 您是否需要线上的所有点来表示该线？ 不需要，我们只需要该线的两个端点即可。 这就是 cv.CHAIN_APPROX_SIMPLE 的作用。 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这种技术。 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）得到的点，第二张图像显示了使用 cv.CHAIN_APPROX_SIMPLE（仅 4 个点）得到的点。 看看它节省了多少内存！！！
image
1.12.0