源碼目錄:opencv-4.6.0\doc\py_tutorials\py_imgproc\py_contours

目錄說明

• tutorial_py_contours_begin

  Learn to find and draw Contours
  學習查找和繪制輪廓

• tutorial_py_contour_features

  Learn to find different features of contours like area, perimeter, bounding rectangle etc.
  學習尋找不同的輪廓特征，如面積，周長，邊界矩形等。

• tutorial_py_contour_properties

  Learn to find different properties of contours like Solidity, Mean Intensity etc.
  學習找到不同的屬性的輪廓，如固體，平均強度等。

• tutorial_py_contours_more_functions

  Learn to find convexity defects, pointPolygonTest, match different shapes etc.
  學習查找凹凸缺陷，pointPolygonTest，匹配不同形狀等。

• tutorial_py_contours_hierarchy

  Learn about Contour Hierarchy
  了解輪廓層次

contours_begin

目標

• 了解輪廓是什么。
• 學習尋找輪廓，繪制輪廓等
• 你會看到這些函數:cv.findContours()， cv.drawContours()

什么是輪廓?

輪廓可以簡單地解釋為連接所有連續點(沿著邊界)的曲線，具有相同的顏色或強度。輪廓是形狀分析和目標檢測與識別的有用工具。

• 為了更好的精度，使用二值圖像。因此，在找到輪廓之前，應用閾值或canny邊緣檢測。
• 自OpenCV 3.2, findContours()不再修改源圖像。
• 在OpenCV中，尋找輪廓就像從黑色背景中尋找白色物體一樣。記住，要找到的對象應該是白色的,背景應該是黑色的。

讓我們看看如何找到二值圖像的輪廓:

import numpy as np
import cv2 as cvim = cv.imread('test.jpg')
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)

在 cv.findContours() 函數中有三個參數，第一個是源圖像，第二個是輪廓檢索方式，第三個是輪廓逼近方法。它輸出輪廓和層次結構。Contours是圖像中所有輪廓的Python列表。每個單獨的輪廓是物體邊界點的(x,y)坐標的Numpy數組。

我們將在后面詳細討論第二個和第三個參數以及層次結構。在此之前，代碼示例中給出的值將適用于所有圖像。

如何畫等高線?

使用cv.drawContours函數繪制輪廓.它也可以用來繪制任何形狀，只要你有它的邊界點。它的第一個參數是源圖像，第二個參數是應該作為Python列表傳遞的輪廓，第三個參數是輪廓的索引(在繪制單個輪廓時很有用)。要繪制所有輪廓，傳遞-1)，剩下的參數是顏色，厚度等。

• 繪制圖像中的所有輪廓:
  drawContours(img, contours， -1， (0,255,0)， 3)
• 要畫一個單獨的輪廓，如第四個輪廓:
  drawContours(img, contours, 3， (0,255,0)， 3)
• 但大多數時候，下面的方法將是有用的:
  cnt = contours[4]
  cv.drawContours(img, [cnt], 0, (0,255,0), 3)

最后兩個方法是相同的，但當你繼續，你會發現最后一個更有用。

輪廓逼近法

cv.findContours函數的第三個參數它實際上表示什么?

上面我們說過，輪廓是具有相同強度的形狀的邊界。它存儲形狀邊界的(x,y)坐標。但是它能存儲所有的坐標嗎?這是由輪廓近似法確定的。

如果你傳遞了cv.CHAIN_APPROX_NONE，存儲所有邊界點。但實際上我們需要所有的點嗎?例如，你找到了一條直線的輪廓。是否需要直線上的所有點來表示這條直線?不，我們只需要這條線的兩個端點。這就是cv.CHAIN_APPROX_SIMPLE。它去除所有冗余點并壓縮輪廓，從而節省內存。

下面的矩形圖演示了這種技術。只需在輪廓數組中的所有坐標上畫一個圓(用藍色繪制)。第一張圖片顯示了我用cv.CHAIN_APPROX_NONE得到的(734點)和第二張圖像顯示了cv.CHAIN_APPROX_SIMPLE(只有4點)。看，它節省了多少內存!

效果圖:

完整代碼:

import numpy as np
import cv2 as cv
from matplotlib import pyplot as pltim = cv.imread('black-white.jpg')
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)
contours_all, hierarchy_all = cv.findContours(thresh, cv.RETR_TREE, cv.CHAIN_APPROX_NONE)
print(len(contours), len(contours[0]))
print(len(contours_all), len(contours_all[0]))
img1 = im.copy()
img2 = im.copy()
for pos in contours[0]:cv.circle(img1, pos[0], 3, (0,255,0), -1)
for pos in contours_all[0]:cv.circle(img2, pos[0], 3, (0,255,0), -1)plt.subplot(221),plt.imshow(im),plt.title('Original')
plt.subplot(222),plt.imshow(img1),plt.title('cv.CHAIN_APPROX_SIMPLE')
plt.subplot(223),plt.imshow(img2),plt.title('cv.CHAIN_APPROX_NONE')plt.show()

contour_features

目標

在本文中，我們將學習

• 查找輪廓的不同特征，如面積，周長，質心，邊界框等
• 你會看到很多與輪廓相關的函數。

1.Moments 時刻

圖像矩幫助你計算一些特征，如物體的質心，物體的面積等。查看維基百科頁面Image Moments

函數 cv.moments() 給出了計算出的所有矩值的字典。見下文:

import numpy as np
import cv2 as cvimg = cv.imread('star.jpg',