图像轮廓检索函数cv2.findContours

最新推荐文章于 2024-11-21 17:01:27 发布

原创最新推荐文章于 2024-11-21 17:01:27 发布 · 6.8k 阅读

22 ·

CC 4.0 BY-SA版权

opencv相关函数介绍专栏收录该内容

7 篇文章

订阅专栏

本文详细介绍了OpenCV中findContours函数的使用方法，包括其参数、返回值及应用场景。通过一个具体的例子展示了如何从二值图中检索轮廓，并解析了轮廓及其拓扑信息。

`findContours`

findContours函数主要作用是从二值图中检索轮廓。

用法

import cv2

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

参数

image：8-bit单通道图像。该图像会将非0像素值视为1，0像素值视为0，因此也被视为二值图像。
mode：轮廓检索模式，检测外轮廓还是内轮廓，是否包含继承（包含）关系： cv2.RETR_EXTERNAL 表示只检测外轮廓，忽略轮廓内部的结构，无继承相关信息；cv2.RETR_LIST 检测所有的轮廓但不建立继承(包含)关系；cv2.RETR_CCOMP 检测所有轮廓，但是仅仅建立两层包含关系；cv2.RETR_TREE 检测所有轮廓，并且建立所有的继承(包含)关系。
method：轮廓近似方法，有记录方法：cv2.CHAIN_APPROX_NONE 存储所有的轮廓点，相邻的两个点的像素位置差不超过 1，即 max（abs(x1-x2), abs(y1-y2)）=1； cv2.CHAIN_APPROX_SIMPLE 压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩阵轮廓只需 4 个点来保存轮廓信息。
contours：返回值，检测到的轮廓。每个轮廓都以点向量的形式存储。
hierarchy：返回值，包含有关图像轮廓的拓扑信息。它的元素和轮廓的数量一样多。对于第 $i$ 个轮廓contours[i]，元素hierarchy[i][0]、hierarchy[i][1]、hierarchy[i][2]和hierarchy[i][3]分别设置为同一层次的下一个轮廓、同一层次的上一个轮廓、该轮廓的第一个子轮廓(嵌套轮廓)、该轮廓的父轮廓，它们的取值是轮廓的索引值(从0开始)。如果contours[i]没有与其同级的下一个轮廓、上一个轮廓、嵌套轮廓或父轮廓，则hierarchy[i]的相应元素将为负。

hierarchy表示连通域的继承关系矩阵。矩阵大小为 $(1, N, 4)$ 。
基础元素由四个值组成：[Next, Previous, First_Child, Parent]。前两个值表示同级的前后关系，后两个值表示上下级关系。
Next：下一个同级的轮廓的序号；
Previous：上一个同级轮廓的序号；
First_Child：第一个子轮廓的序号；
Parent：父轮廓的序号；
矩阵中的每一个值代表都是轮廓(contour)的序号(id)，其中 -1 代表没有这个元素。
offset：可选偏移量，每个轮廓点偏移量。如果从图像ROI中提取轮廓，然后在整个图像上下文中对其进行分析，这将非常有用。

实例

针对下面的图片，我们检索它的轮廓：
在这里插入图片描述

import cv2

img = cv2.imread('image001.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 转换为灰度图

ret, binary = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)  # 利用阈值自动选择的方法获取二值图像

contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)  # 检测轮廓

# 打印轮廓
print("轮廓长度:",len(contours))
print("contours[2]:\n",contours[2])
# 打印继承矩阵
print("hierarchy:\n",hierarchy)

输出：

轮廓长度:7
contours[2]:
 [[[ 47 137]]
 [[ 48 136]]
 [[ 49 137]]
 [[ 49 138]]
 [[ 48 139]]
 [[ 47 138]]]
hierarchy:
 [[[-1 -1  1 -1]
  [ 2 -1 -1  0]
  [ 3  1 -1  0]
  [-1  2  4  0]
  [ 5 -1 -1  3]
  [ 6  4 -1  3]
  [-1  5 -1  3]]]

结果解析：
从上述结果中，可以得到以下结论：

轮廓的长度为7；
对第3个轮廓进行打印，可以看到，轮廓确实是以点集的形式存储的；
图像轮廓的拓扑信息hierarchy，也称作连通域的继承关系矩阵，大小为 $(1, 7, 4)$ 。

轮廓的排序是从最外围往中间进行的排序，contours[0]表示的是最外层外轮廓。

hierarchy矩阵解释：
hierarchy[0]=[-1 -1 1 -1]表示轮廓contours[0]的拓扑关系，Next =-1表示下一个与contours[0]同级的轮廓，-1表示不存在下一个同级轮廓；Previous = -1表示上一个与contours[0]同级的轮廓，-1表示不存在上一个同级轮廓；First_Child = 1表示contours[0]第一个子轮廓是contours[1], 1是轮廓的索引；Parent = -1表示contours[0]的父轮廓，-1表示不存在父轮廓。