各位同學好，今天和大家分享一下opencv中如何獲取圖像輪廓，以及對輪廓的一些其他操作。內容有：

（1）輪廓檢測：cv2.findContours()；（2）輪廓繪制：cv2.drawContours()；（3）輪廓近似：cv2.approxPolyDP()；（4）面積計算：cv2.contourArea()；（5）周長計算：cv2.arcLength()；（6）外接矩形：cv2.rectangle()；（7）外接圓：cv2.circle()

---

在開始前，先導入需要用到的庫文件以及圖像數據，定義一個圖像顯示函數，方便后續繪圖。

import cv2
import numpy as np
# 獲取圖片所在文件夾
filepath = 'C:\\...\\opencv\\img'
# 獲取文件夾中的某一張圖片
img = cv2.imread(filepath+'\\test2.png')
# 定義繪圖函數
def cv_show(name,img):# 傳入自定義圖像名，即圖像變量cv2.imshow(name,img) # 圖片不會自動消失cv2.waitKey(0)# 手動關閉窗口cv2.destroyWindow()

---

1. 圖像輪廓

1.1 獲取圖像輪廓

方法： contours, hierarchy =?cv2.findContours(img, mode, method)

參數：

img：輸入的圖像，最好是二值圖

mode：輪廓檢索模式，如下

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中

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

RETR_TREE：常用，檢索所有的輪廓，并重構嵌套輪廓的整個層次。保存了所有的輪廓，用哪個調用哪個

method：輪廓逼近方法，如下

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)。正常畫出所有輪廓

CHAIN_APPROX_SIMPLE：壓縮水平的、垂直的、斜的部分，即函數只保留他們的終點坐標。壓縮得到更精簡的結果，例如一個矩形輪廓只需4個點來保存輪廓信息

返回值：

contours：列表，保存輪廓信息。每一個元素都是圖像的輪廓

hierarchy：數組，分層保存輪廓信息。元素數和輪廓數一致

---

1.2 繪制圖像輪廓

方法： cv2.drawContours(img, contours, contourIdx, color, thickness)

參數：

img：指明在哪幅圖像上繪制輪廓；image為三通道才能顯示輪廓

contours：圖像輪廓信息，列表形式

contours：指定繪制輪廓列表中的哪條輪廓。如果是-1，則繪制其中的所有輪廓。

color：代表繪制輪廓的線條顏色，根據BGR調整，若為(0,0,255)則為紅色。

thickness：線條粗細

---

1.3 代碼演示

首先將讀入的圖像變成灰度圖cv2.cvtColor()，再使用圖像閾值處理方法將灰度圖轉換成二值圖cv2.threshold()，像素值超過閾值127的變成255，低于127的像素值變成0，實現二值化。將二值化處理后的圖像thresh傳入輪廓檢測函數。圖像閾值處理方法見下文第4節：【opencv】(2) 圖像處理：邊界填充、圖像融合、圖像閾值、數值計算

#（1）圖像處理
# 將讀入的圖像變成灰度圖 
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 圖像數值超過127取255，小于127的變成0
ret,thresh = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
# ret接收閾值，thresh接收處理后的圖像
#（2）輪廓檢測
# 輸入圖像最好是二值圖
contours,hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
# 返回值：contours輪廓信息；hierarchy層級，把結果保存在一個層級中
#（3）繪制輪廓
# 注意要將原圖(彩色圖)復制一份，不然原圖會在函數處理完之后改變
draw = img.copy()  #draw改變不會導致img改變
# 在draw畫板上繪制輪廓；畫第幾個輪廓，-1代表所有輪廓；BGR分別對應(0,0,255)，用紅色線畫輪廓；線條寬2
res = cv2.drawContours(draw, contours,-1, (0, 0, 255), 2)
# 展示圖像
cv_show('res',res)

第1張為原始圖像，第2張為contourIdx=-1時繪制輪廓后的圖像 ，第3張為contourIdx=3時繪制的輪廓。contourIdx中保存了所有的輪廓信息。

???

---

?2. 輪廓特征

2.1 輪廓計算

輪廓計算有非常多種方法，這里只介紹兩個，計算輪廓周長和面積。

在圖像輪廓獲取函數中cv2.findContours()，我們獲取了輪廓信息返回值contours，在計算時，不能將輪廓全部放進去計算，計算時需要選出其中一個。下面使用輪廓信息中的第0個輪廓計算它的面積和周長。

# 獲取某一個輪廓用于計算
cnt = contours[0]
# ==1== 面積
cv2.contourArea(cnt)  # 8500.5
# ==2== 周長
cv2.arcLength(cnt,True)  # 437.948

---

2.2 輪廓近似

方法： cv2.approxPolyDP(curve, epsilon, closed)

參數：

curve： 需要進行近似的輪廓

epsilon： 判斷點到相對應的線段的距離的閾值，這是原始曲線與其近似值之間的最大距離。閾值越小，折線的形狀越接近曲線。

closed： 若為true，曲線第一個點與最后一個點連接形成閉合曲線，若為false，曲線不閉合。

下面使用的閾值是cv2.arcLength(cnt,True)，即輪廓的周長。取輪廓周長的0.1倍來作為contours[0]輪廓的近似。

# 獲取圖像
img = cv2.imread(filepath+'\\test1.png')  # 獲取一張圖像
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  # 灰度圖
ret,thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 二值化
contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)  # 輪廓提取
cnt = contours[0]  # 獲取其中一層輪廓
draw = img.copy()  # 繪制輪廓
res = cv2.drawContours(draw, [cnt], -1, (0,0,255), 2)  # 在draw圖像中繪制cnt輪廓
cv_show('res',res)  # 繪圖
# 輪廓近似
epsilon = 0.1*cv2.arcLength(cnt,True)  # 以周長的百分比作為閾值，指定的越小，得到的輪廓和原來的區別較小
approx = cv2.approxPolyDP(cnt, epsilon, True)  # 近似函數，cnt為輪廓，epsilon閾值。返回近似后的輪廓
# 繪圖展示
draw = img.copy()
res = cv2.drawContours(draw, [approx], -1, (255,0,0), 2)  # 將近似后的輪廓approx畫在原圖上，用藍色表示，線條粗2
cv_show('res',res)

第一張圖為圖像輪廓，第二張圖為輪廓近似后的結果

? ?

---

2.3 輪廓的外接矩形

首先在輪廓提取函數的返回值contours中，選取一個輪廓信息用于求它的外接矩形。

計算輪廓的垂直邊界最小矩形，矩形是與圖像上下邊界平行的

x, y, w, h = cv2.boundingRect(輪廓信息)

返回四個值。x，y是矩陣左上點的坐標；w，h是矩陣的寬和高。

外接矩形繪制函數

cv2.rectangle(img, pt1, pt2, color, thickness)

參數：

img：?原始圖片作為畫板

pt1： 長方形框左上角坐標 (x, y)

pt2： 長方形框右下角坐標 (x+w, y+h)

color： 線條顏色（B, G, R）

thickness： 線條粗細

在圖片img上畫長方形，坐標原點是圖片左上角，向右為x軸正方向，向下為y軸正方向。
?

# 獲取輪廓信息
img = cv2.imread(filepath+'\\test1.png')  # 讀取圖像
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  # 灰度處理
ret,thresh = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)  # 二值化處理
contours,hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)  # 獲取輪廓信息
cnt = contours[0]  # 指定某一層輪廓
# 輪廓的外接矩形
x,y,w,h = cv2.boundingRect(cnt)  # 計算外接矩形，返回矩形的左上坐標點，和一長一寬
rectangle = cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)  # 根據坐標繪制矩形，綠色線條
cv_show('rectangle',rectangle)

得到矩形的寬和高，接下來就可以計算輪廓面積和外接矩形面積的比值。

area = cv2.contourArea(cnt)  # 輪廓面積計算函數
x,y,w,h = cv2.boundingRect(cnt)  # 獲取坐標點和邊長
rect_area = w*h  # 計算外接矩形面積
extent = area/rect_area  # 計算比值
print('輪廓面積和外接矩形面積之比:',extent)

---

2.4 輪廓的外接圓

獲取輪廓的圓心坐標和半徑

(x,y), radius = cv2.minEnclosingCircle(輪廓信息)

輪廓外接圓函數

cv2.circle(img, center, radius, color, thickness, shift)

img：?輸入的圖片作為畫板

center：?圓心位置

radius： 圓的半徑

color： 圓的顏色

thickness： 正數表示圓形輪廓的粗細。負數表示要繪制實心圓。

shift：?圓心坐標點和半徑值的小數點位數

# 輪廓外接圓
# 返回圓心坐標和半徑
(x,y),radius = cv2.minEnclosingCircle(cnt)
# 圓心坐標
center = (int(x),int(y))
# 半徑
radius = int(radius)
# 繪制外接圓，輸入整型
circle = cv2.circle(img,center,radius,(255,0,0),2)
cv_show('circle',circle)

總結

以上是生活随笔為你收集整理的【opencv】(6) 图像轮廓处理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。