OpenCV的輪廓檢測

1. 輪廓檢測的基本概念

輪廓是圖像中連續的、閉合的曲線段，代表物體的邊界（如圓形的輪廓是一條閉合曲線）。OpenCV 的輪廓檢測通過?cv2.findContours()?實現，可用于形狀識別、物體計數、圖像分割等場景。

2. 核心函數與參數

（1）cv2.findContours()：檢測輪廓

contours, hierarchy = cv2.findContours(image,      # 輸入圖像（必須為二值圖，需提前灰度化+二值化）mode,       # 輪廓檢索模式（如RETR_EXTERNAL、RETR_TREE）method      # 輪廓逼近方法（如CHAIN_APPROX_SIMPLE、CHAIN_APPROX_NONE）
)

返回值：

contours：檢測到的輪廓列表，每個輪廓是一個點的集合（ndarray?類型）。

hierarchy：輪廓的層次結構（如嵌套關系），若無需層次可忽略。

參數說明：mode（輪廓檢索模式）：

模式	含義
`RETR_EXTERNAL`	僅檢測最外層輪廓（忽略內部嵌套的輪廓，適合簡單物體計數）。
`RETR_LIST`	檢測所有輪廓，但不建立層次關系（最快，適合無需嵌套分析的場景）。
`RETR_CCOMP`	檢測所有輪廓，組織為兩級結構（外層為連通域，內層為孔洞）。
`RETR_TREE`	檢測所有輪廓，并建立完整的樹狀層次（適合嵌套輪廓，如 “矩形內的圓形”）。

method（輪廓逼近方法）：

方法	含義
`CHAIN_APPROX_NONE`	存儲輪廓的所有像素點（最詳細，速度慢、占用內存大）。
`CHAIN_APPROX_SIMPLE`	壓縮輪廓，僅保留關鍵頂點（如矩形僅存 4 個角點，速度快、內存小）。
`CHAIN_APPROX_TC89_L1`	使用 Teh-Chin 鏈逼近算法（適合曲線輪廓）。

（2）cv2.drawContours()：繪制輪廓

cv2.drawContours(image,       # 要繪制輪廓的目標圖像contours,    # 輪廓列表（來自findContours的輸出）contourIdx,  # 要繪制的輪廓索引（-1表示繪制所有輪廓）color,       # 輪廓顏色（如(0,255,0)表示綠色）thickness=2, # 輪廓線寬度（-1表示“填充輪廓”）
)

3. 完整流程：從預處理到輪廓檢測

輪廓檢測對圖像質量敏感，需先進行預處理（灰度化、二值化、降噪）。以下是完整代碼示例：

import cv2
import numpy as np# 1. 讀取并預處理圖像
img = cv2.imread("shape.jpg")                # 讀取彩色圖像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 灰度化
blur = cv2.GaussianBlur(gray, (5,5), 0)       # 高斯降噪（可選，視情況而定）
_, binary = cv2.threshold(blur, 127, 255, cv2.THRESH_BINARY)  # 二值化（>127設為255，否則0）# 2. 檢測輪廓
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE,       # 檢測所有輪廓并建立樹狀層次cv2.CHAIN_APPROX_SIMPLE  # 壓縮輪廓，保留關鍵頂點
)# 3. 繪制輪廓（綠色，線寬2）
cv2.drawContours(img, contours, -1, (0,255,0), 2)  # 4. 顯示結果
cv2.imshow("Contours", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

4. 關鍵注意事項

預處理必須到位：
輪廓檢測要求輸入為二值圖像（僅有黑 / 白）。若原圖是彩色，需先轉灰度（cv2.COLOR_BGR2GRAY），再二值化（cv2.threshold）；若有噪聲，可先高斯模糊（cv2.GaussianBlur）。?

版本兼容性：

?OpenCV 2 返回?(contours, hierarchy)（2 個值）；

OpenCV 3/4 返回?(img, contours, hierarchy)（3 個值）。

若代碼需兼容多版本，可按以下方式處理：

ret = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
if len(ret) == 3:img, contours, hierarchy = ret  # OpenCV 3/4
else:contours, hierarchy = ret       # OpenCV 2

輪廓篩選與分析：

若需篩選特定輪廓（如面積最大的輪廓），可遍歷?contours?并計算面積：

max_area = 0
max_contour = None
for cnt in contours:area = cv2.contourArea(cnt)if area > max_area:max_area = areamax_contour = cnt

5. 應用場景形狀識別

通過輪廓的周長、面積、近似多邊形（cv2.approxPolyDP）判斷形狀（如矩形、圓形）。

物體計數：統計圖像中輪廓的數量（需配合RETR_EXTERNAL排除內部孔洞）。

圖像分割：用輪廓包圍區域，提取目標物體。

6.實例:

import cv2
phone =cv2.imread('phone.png')#波收頗圖
phone_gray =cv2.cvtColor(phone,cv2.COLOR_BGR2GRAY)
cv2.imshow('phone_gray',phone_gray)
cv2.waitKey(0)
ret, phone_binary= cv2.threshold(phone_gray, 120, 255,cv2.THRESH_BINARY)
cv2.imshow( 'phone_binary',phone_binary)
cv2.waitKey(0)
_,contours, hierarchy = cv2.findContours(phone_binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)image_copy = phone.copy()
cv2.drawContours(image=image_copy, contours=contours, contourIdx=-1,color=(0,255,0),thickness=4)
cv2.imshow('Contours_show',image_copy)
cv2.waitKey(0)# cv2.contourArea(contour[, oriented]) -> retval  輪廓面積
# oriented: 定向區域標志，默認值為 False，返回面積的絕對值，True 時則根據輪廓方向返回帶符號的數值area_0 = cv2.contourArea(contours[0])
print(area_0)
area_1 = cv2.contourArea(contours[1])
print(area_1)# arcLength(InputArray curve, bool closed)  輪廓周長
# curve: 輸入的二維點集（輪廓頂點），可以是 vector 或 Mat 類型。
# closed: 用于指示曲線是否封閉。length = cv2.arcLength(contours[0], closed=True)
print(length)# 根據面積篩選顯示輪廓
a_list = []
for i in contours:if cv2.contourArea(i) > 10000:a_list.append(i)image_copy = phone.copy()
image_copy = cv2.drawContours(image=image_copy, contours=a_list, contourIdx=-1, color=(0, 255, 0), thickness=3)
cv2.imshow('Contours_show_10000', image_copy)
cv2.waitKey(0)# '''輪廓定位方法 根據輪廓面積進行排序'''
sortcnt = sorted(contours, key=cv2.contourArea, reverse=True)[0]  # 選取最大面積的輪廓
image_contours = cv2.drawContours(phone.copy(), contours=[sortcnt], contourIdx=-1, color=(0, 0, 255), thickness=3) # 繪制輪廓
cv2.imshow('image_contours', image_contours)
cv2.waitKey(0)

這段代碼是基于 OpenCV 的圖像輪廓檢測與分析示例，主要實現了從圖像讀取、預處理到輪廓提取、篩選和排序的完整流程。以下是代碼解析：

1. 導入庫與讀取圖像

import cv2
phone = cv2.imread('phone.png')  # 讀取原始圖像（假設為手機相關圖像）

導入 OpenCV 庫（cv2），用于圖像處理。

使用cv2.imread()讀取本地圖像phone.png，返回的phone是 BGR 格式的彩色圖像（OpenCV 默認讀取格式）。

2. 圖像預處理（灰度化與二值化）

# 灰度化：將彩色圖像轉為單通道灰度圖
phone_gray = cv2.cvtColor(phone, cv2.COLOR_BGR2GRAY)
cv2.imshow('phone_gray', phone_gray)  # 顯示灰度圖
cv2.waitKey(0)  # 等待用戶按鍵（0表示無限等待）# 二值化：將灰度圖轉為黑白二值圖（輪廓檢測的前提）
ret, phone_binary = cv2.threshold(phone_gray, 120, 255, cv2.THRESH_BINARY)
cv2.imshow('phone_binary', phone_binary)  # 顯示二值圖
cv2.waitKey(0)

灰度化：通過cv2.cvtColor()將 BGR 彩色圖轉為灰度圖（單通道），減少計算量，為后續處理簡化圖像。

二值化：使用cv2.threshold()將灰度圖轉為黑白二值圖：

閾值設為 120，即灰度值 > 120 的像素設為 255（白色），≤120 的設為 0（黑色）。cv2.THRESH_BINARY是二值化模式，返回ret（閾值）和二值化結果phone_binary。

cv2.imshow()和cv2.waitKey(0)用于顯示圖像并暫停，等待用戶確認后繼續。

3. 輪廓檢測與繪制

# 檢測輪廓（OpenCV 3/4版本返回3個值，用_忽略第一個）
_, contours, hierarchy = cv2.findContours(phone_binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)# 復制原始圖像，在副本上繪制所有輪廓
image_copy = phone.copy()
cv2.drawContours(image=image_copy, contours=contours,  # 輪廓列表contourIdx=-1,      # -1表示繪制所有輪廓color=(0,255,0),    # 輪廓顏色（綠色，BGR格式）thickness=4         # 輪廓線寬
)
cv2.imshow('Contours_show', image_copy)  # 顯示所有輪廓
cv2.waitKey(0)

輪廓檢測：cv2.findContours()從二值圖中提取輪廓：

輸入：二值圖phone_binary（背景為黑，目標為白）。

參數cv2.RETR_TREE：檢測所有輪廓，并保留完整的層次關系（如嵌套輪廓的父子關系）。

參數cv2.CHAIN_APPROX_NONE：存儲輪廓的所有像素點（不壓縮，最完整但內存占用大）。

返回：contours（輪廓列表，每個輪廓是像素坐標的數組）、hierarchy（輪廓層次信息）。

繪制輪廓：cv2.drawContours()在圖像副本上繪制輪廓，避免修改原圖。

4. 輪廓特征計算（面積與周長）

# 計算輪廓面積（第一個和第二個輪廓）
area_0 = cv2.contourArea(contours[0])
print(area_0)  # 打印第一個輪廓的面積
area_1 = cv2.contourArea(contours[1])
print(area_1)  # 打印第二個輪廓的面積# 計算輪廓周長（第一個輪廓，閉合輪廓）
length = cv2.arcLength(contours[0], closed=True)
print(length)  # 打印第一個輪廓的周長

輪廓面積：cv2.contourArea(contour)計算單個輪廓的面積（單位：像素 2）。

輪廓周長：cv2.arcLength(curve, closed)計算輪廓周長：closed=True表示輪廓是閉合的（如圓形、矩形）。

5. 按面積篩選輪廓

# 篩選面積>10000的輪廓（去除小面積噪聲）
a_list = []
for i in contours:if cv2.contourArea(i) > 10000:a_list.append(i)# 繪制篩選后的輪廓
image_copy = phone.copy()
image_copy = cv2.drawContours(image=image_copy, contours=a_list,  # 僅包含大面積輪廓的列表contourIdx=-1, color=(0, 255, 0), thickness=3
)
cv2.imshow('Contours_show_10000', image_copy)  # 顯示篩選結果
cv2.waitKey(0)

實際場景中，檢測到的輪廓可能包含噪聲（如小斑點），通過面積閾值（10000）篩選出有意義的大輪廓。

遍歷所有輪廓，將面積大于 10000 的輪廓存入a_list，再繪制這些輪廓。

6. 按面積排序并提取最大輪廓

# 按面積降序排序輪廓，取最大面積的輪廓
sortcnt = sorted(contours, key=cv2.contourArea, reverse=True)[0]# 繪制最大面積的輪廓（紅色）
image_contours = cv2.drawContours(phone.copy(), contours=[sortcnt],  # 注意：contours參數需傳入列表，這里用[sortcnt]包裝contourIdx=-1, color=(0, 0, 255),  # 紅色（BGR格式）thickness=3
)
cv2.imshow('image_contours', image_contours)  # 顯示最大輪廓
cv2.waitKey(0)

sorted(contours, key=cv2.contourArea, reverse=True)：按輪廓面積降序排序，reverse=True表示從大到小。

[0]取排序后的第一個元素（面積最大的輪廓）。

繪制時，contours參數需傳入列表，因此用[sortcnt]包裝單個輪廓。