目錄
簡述
1. 什么是圖像輪廓？
2. 查找圖像輪廓
2.1 接口定義
2.2 參數說明
?2.3 代碼示例
2.4 運行結果
3. 繪制圖像輪廓
3.1 接口定義
3.2 參數說明
3.3 代碼示例
?3.4 運行結果
4. 計算輪廓周長
5. 計算輪廓面積
6. 示例：計算圖像輪廓的面積與周長
7. 應用場景
相關閱讀
OpenCV：多邊形逼近與凸包-CSDN博客
簡述
在圖像處理領域，輪廓是圖像中物體的邊界或形狀信息的表達方式。通過提取輪廓，可以對圖像中的目標進行識別、測量和分析。本文將從概念到實際操作詳細介紹圖像輪廓及其相關操作，并展示如何在 OpenCV 中實現。
1. 什么是圖像輪廓？
圖像輪廓?是圖像中物體邊界的閉合曲線，表示具有相同強度或顏色像素的連接路徑。它是一種重要的圖像特征，常用于形狀分析和對象檢測。
特點
- 輪廓基于二值圖像計算，必須先將輸入圖像轉換為二值圖。
- OpenCV 提供的輪廓查找算法將視圖像中的白色區域為前景（目標）。
- 輪廓的方向可以是順時針或逆時針。
2. 查找圖像輪廓
OpenCV 提供了 cv2.findContours() 函數來查找圖像的輪廓。
2.1 接口定義
contours, hierarchy = cv2.findContours(image, mode, method)2.2 參數說明
image：輸入的二值圖像（通常是灰度圖的閾值化結果）。
mode：輪廓的檢索模式，常見值：
- cv2.RETR_EXTERNAL：只檢測最外層輪廓。
- cv2.RETR_LIST：檢測所有輪廓，不建立層級關系。
- cv2.RETR_TREE：檢測所有輪廓，并構建完整層級關系。
method：輪廓的近似方法：
- cv2.CHAIN_APPROX_NONE：存儲所有的輪廓點。
- cv2.CHAIN_APPROX_SIMPLE：只存儲必要的輪廓點，壓縮水平和垂直冗余點。
返回值：
- contours：檢測到的輪廓列表，每個輪廓是一個 Numpy 數組。
- hierarchy：每個輪廓的層級關系。
?2.3 代碼示例
import cv2# 讀取圖像并轉為灰度圖
image = cv2.imread('D:\\resource\\filter\\find_contours.png', cv2.IMREAD_GRAYSCALE)# 二值化
_, binary_img = cv2.threshold(image, 150, 255, cv2.THRESH_BINARY)# 輪廓查找
#contours, hierarchy = cv2.findContours(binary_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
contours, hierarchy = cv2.findContours(binary_img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
print(contours)# 顯示圖像
cv2.imshow('image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()示例說明：
- 當前示例使用的圖像為：白色背景，中間畫了一個黑色的矩形。
- 用win11自帶的畫圖軟件畫出來的，并非純粹的黑白圖像，在代碼中最好進行二值化處理。
- 該示例的作用是將圖像中所有輪廓的必要點打印出來。
2.4 運行結果
?
打印結果顯示的是：圖像必要的輪廓點。
該圖像包含2個輪廓?：
- 最外層的白色背景邊框。
- 中間黑色矩形邊框。
3. 繪制圖像輪廓
OpenCV 提供了 cv2.drawContours() 函數用于繪制輪廓。
3.1 接口定義
cv2.drawContours(image, contours, contourIdx, color, thickness)3.2 參數說明
image：目標圖像，輪廓將繪制在此圖像上。
contours：輪廓數據，cv2.findContours() 的輸出。
contourIdx：指定繪制的輪廓索引：
- -1：繪制所有輪廓。
- >=0：繪制特定索引的輪廓。
color：繪制輪廓的顏色（BGR 格式）。
thickness：線條粗細，-1 表示填充輪廓。
3.3 代碼示例
import cv2# 讀取圖像
image = cv2.imread('D:\\resource\\filter\\find_contours.png')# 轉為灰度圖
gray_img = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 二值化
_, binary_img = cv2.threshold(gray_img, 150, 255, cv2.THRESH_BINARY)# 輪廓查找
contours, hierarchy = cv2.findContours(binary_img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)# 繪制輪廓
result = cv2.drawContours(image, contours, -1, (0,0,255), 2)# 顯示圖像
cv2.imshow('result', result)
cv2.waitKey(0)
cv2.destroyAllWindows()
示例說明：
- 依舊使用同一張圖片。
- 該示例的作用是將圖像中所有的輪廓用紅色的線條繪制出來，其中線條的粗細數值為2。?
?3.4 運行結果
將圖像中所有的輪廓繪制出來：
4. 計算輪廓周長
OpenCV 提供了 cv2.arcLength() 函數計算輪廓的周長。
接口定義
perimeter = cv2.arcLength(curve, closed)參數說明
curve：輸入輪廓點。closed：布爾值，是否將輪廓視為閉合曲線。
返回值：
輪廓的周長（浮點數）。
5. 計算輪廓面積
OpenCV 提供了 cv2.contourArea() 函數計算輪廓的面積。
接口定義：
area = cv2.contourArea(contour)
參數說明：
contour：輸入輪廓點。
返回值：
輪廓的面積（浮點數）。
6. 示例：計算圖像輪廓的面積與周長
示例如下：?
import cv2# 讀取圖像
image = cv2.imread('D:\\resource\\filter\\find_contours.png')# 轉為灰度圖
gray_img = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 二值化
_, binary_img = cv2.threshold(gray_img, 150, 255, cv2.THRESH_BINARY)# 輪廓查找
#contours, hierarchy = cv2.findContours(binary_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
contours, hierarchy = cv2.findContours(binary_img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# print(contours)# 繪制輪廓
#result = cv2.drawContours(image, contours, -1, (0,0,255), 2)# 計算面積
area = cv2.contourArea(contours[1])
print("area=%d"%(area))# 計算周長
len = cv2.arcLength(contours[1], True)
print("len=%d"%(len))# 顯示圖像
#cv2.imshow('image', image)
#cv2.imshow('result', result)
cv2.waitKey(0)
cv2.destroyAllWindows()
示例說明：
- 依舊使用同一張圖像。
- 查找圖像輪廓，取索引為1的輪廓。
- 計算其面積與周長，并打印出來。
?打印輸出：
PS D:\code\opencv_python> & "D:/Program Files/Python38-32/python.exe" d:/code/opencv_python/calc_contours.py
area=35951
len=769
PS D:\code\opencv_python>
7. 應用場景
- 目標檢測與識別：通過輪廓提取圖像中的特定對象。
- 形狀分析：計算周長、面積等幾何屬性。
- 物體測量：用于測量物體的尺寸和外觀特征。
