目錄

圖像輪廓

cv2.findContours(img, mode, method)

繪制輪廓

輪廓特征與近似

輪廓特征

輪廓近似

輪廓近似原理

opencv 實現輪廓近似

輪廓外接矩形

輪廓外接圓

---

圖像輪廓

cv2.findContours(img, mode, method)

mode:輪廓檢索模式（通常使用第四個模式）

• RETR_EXTERNAL: 只檢索最外面的輪廓;

• RETR_LIST: 檢索所有的輪廓,并將其保存到一條鏈表當中;

• RETR_CCOMP: 檢索所有的輪廓,并將他們組織為兩層:頂層是各部分的外部邊界,第二層是空洞的邊界;

• RETR_TREE: 檢索所有的輪廓,并重構嵌套輪廓的整個層次;

method:輪廓逼近方法

• CHAIN_APPROX_NONE: 以Freeman鏈碼的方式輸出輪廓,所有其他方法輸出多邊形(頂點的序列)。

• CHAIN_APPROX_SIMPLE: 壓縮水平的、垂直的和斜的部分,也就是,函數只保留他們的終點部分。

繪制輪廓

需要注意的是，當我們要進行輪廓檢測時，為了更高的準確率，使用黑白二值圖像。

輪廓特征與近似

輪廓特征

cnt = contours[0]
# 面積
cv2.contourArea(cnt)
# 周長，True 表示閉合的
cv2.arcLength(cnt, True)

輪廓近似

輪廓近似原理

如上圖，設定一個閾值 T，原曲線 AB，曲線 AB 上找一點C距離AB直線最遠，距離為d1，如果d1 < T，則曲線AB可以近似為直線 AB，如果d1 > T，則連接直線 AC 與 直線 CB，從曲線AC上找一點 D 距離直線 AC 最遠，距離為 d2，如果 d2 < T，則曲線 AC 可以近似為直線 AC，否則繼續連線。

整個過程有點類似于“二分法”。只要曲線上最遠一點小于閾值，則兩點取直線代替曲線。

通過調整閾值，我們就可以做到輪廓近似：（中間和右邊為不同閾值下的輪廓近似）

opencv 實現輪廓近似

img = cv2.imread("img1.jpg", cv2.IMREAD_COLOR)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# binary 為二值圖像, contours 為輪廓信息的集合, hierarchy 為輪廓層級信息
binary, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
# 獲取你想要進行近似操作的輪廓
cnt = contours[0]
# 一般閾值取百分比輪廓周長
epsilon = 0.1 * cv2.arcLength(cnt, True)
# 輪廓近似化
approx = cv2.approxPolyDP(cnt, epsilon, True)
# 需要注意copy，繪制輪廓函數會改變傳入原圖
draw_img = img.copy()
# 傳入繪制圖像，輪廓，輪廓索引(-1表示全部輪廓)，線條顏色，線條寬度
res = cv2.drawContours(draw_img, approx, -1, (0, 255, 0), 1)cv2.imshow("res", res)
cv2.waitKey(0)
cv2.destroyAllWindows()

原圖：

輪廓近似化后：

輪廓外接矩形

# 獲取你想要進行近似操作的輪廓
cnt = contours[0]
# 輪廓外接矩形
x, y, w, h = cv2.boundingRect(cnt)
img = cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)
cv2.imshow("img", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

我們也可以算出輪廓面積與邊界矩形的比：

area = cv2.contourArea(cnt)
x, y, w, h = cv2.boundingRect(cnt)
rect_area = w * h
extent = float(area) / rect_area
print("輪廓面積與邊界矩形比",extent)

輪廓外接圓

# 獲取你想要進行近似操作的輪廓
cnt = contours[0]
# 輪廓外接圓
(x, y), radius = cv2.minEnclosingCircle(cnt)
center = (int(x), int(y))  # 圓心
radius = int(radius)       # 半徑
img = cv2.circle(img, center, radius, (0, 255, 0), 2)
cv2.imshow("img", img)
cv2.waitKey(0)
cv2.destroyAllWindows()