基礎知識鋪墊

在圖像中，輪廓可以簡單的理解為連接具有相同顏色的所有連續(xù)點（邊界）的曲線，輪廓可用于形狀分析和對象檢測、識別等領域。

輪廓發(fā)現(xiàn)的原理：先通過閾值分割提取目標物體，再通過邊緣檢測提取目標物體輪廓。
一個輪廓就是一系列的點（像素），這些點構(gòu)成了一個有序的點集合。

使用 cv2.findContours 函數(shù)可以用來檢測圖像的邊緣。

函數(shù)原型說明

contours, hierarchy = cv2.findContours(image, mode, method[, contours[, hierarchy[, offset]]])

我使用的 Python OpenCV 是 4.0 以上版本，如果你使用的是 3.0 以上，可能存在返回值差異問題。
參數(shù)說明如下：

• image：輸入圖像；
• mode：輪廓檢索模式，具體說明參見后文；
• method：輪廓逼近方法，具體說明參加后文；
• contours：返回的輪廓；
• hierachy：每條輪廓對應的屬性；
• offset：每個輪廓點移動的可選偏移量。

備注：image 參數(shù)需要是二值圖，而不是灰度圖，返回結(jié)果是等高線和層次結(jié)構(gòu)。

輪廓檢索模式，有四種

• cv2.RETR_EXTERNAL：表示只檢測外輪廓；
• cv2.RETR_LIST：檢測的輪廓，不建立等級關系；
• cv2.RETR_CCOMP：建立兩個等級的輪廓，上面的一層為外邊界，里面的一層為內(nèi)孔的邊界信息。如果內(nèi)孔內(nèi)還有一個連通物體，這個物體的邊界也在頂層；
• cv2.RETR_TREE：建立一個等級樹結(jié)構(gòu)的輪廓。上述內(nèi)容，都可以在該網(wǎng)站查詢：官網(wǎng)地址

輪廓逼近方法

• cv2.CHAIN_APPROX_NONE：存儲所有的輪廓點，相鄰的兩個點的像素位置差不超過 1，即 max(abs(x1-x2),abs(y2-y1))==1，一般不會用到；
• cv2.CHAIN_APPROX_SIMPLE：壓縮水平方向，垂直方向，對角線方向的元素，只保留該方向的終點坐標，例如一個矩形輪廓只需 4 個點來保存輪廓信息。
• cv2.CHAIN_APPROX_TC89_L1，cv2.CV_CHAIN_APPROX_TC89_KCOS：使用 teh-Chinl chain 近似算法（沒尋找資料學習）。

了解上述內(nèi)容之后，就可以應用輪廓發(fā)現(xiàn)函數(shù)了，代碼如下：

import cv2 as cv

src = cv.imread("./both.jpeg")

gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
ret, thresh = cv.threshold(gray, 150, 255, 0)
cv.imshow("thresh",thresh)
# 尋找輪廓
contours, hierarchy = cv.findContours(thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)

輪廓發(fā)現(xiàn)之后，還要通過 cv2.drawContours 函數(shù)繪制輪廓，該函數(shù)原型如下：

image = cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]])

參數(shù)說明如下：

• image：輸入圖像；
• contours：輪廓，在 Python 中是一個 list，就是 cv2.findContours 函數(shù)找出來的點集，一個列表；
• contourIdx：輪廓的索引，指定繪制輪廓 list 中的哪條輪廓，要繪制所有輪廓，請傳遞-1；color：顏色；
• thickness：厚度，如果是-1，表示填充；
• lineType：線型；
• hierarchy：層次結(jié)構(gòu)的可選信息；
• maxLevel：繪制輪廓的最大級別，0：僅繪制指定的輪廓，1：繪制輪廓和所有嵌套輪廓，2：繪制輪廓，所有嵌套輪廓，所有嵌套到嵌套的輪廓；
• offset：輪廓偏移參數(shù)。

測試代碼與運行結(jié)果如下：

import cv2 as cv
# help(cv.drawContours)
src = cv.imread("./both.jpeg")

gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
ret, thresh = cv.threshold(gray, 150, 255, 0)
cv.imshow("thresh",thresh)
# 尋找輪廓
contours, hierarchy = cv.findContours(thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)

# print(contours)
# print(hierarchy)
# 繪制輪廓
cv.drawContours(src,contours,-1,(200,0,150),2)

cv.imshow('src',src)
cv.waitKey(0)

到此這篇關于Python OpenCV 基于圖像邊緣提取的輪廓發(fā)現(xiàn)函數(shù)的文章就介紹到這了,更多相關OpenCV 邊緣提取輪廓 內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論