【笔记】OpenCV3 图形处理-轮廓检测（四）_局部阈值二值化得到字体轮廓?-优快云博客

本文链接：https://blog.youkuaiyun.com/hopena/article/details/90724669

本文介绍了在计算机视觉中如何使用OpenCV3进行轮廓检测，包括图像二值化、固定阈值和自适应阈值二值化方法，并展示了如何找到并绘制轮廓。通过对不同图像的应用，探讨了轮廓检测的效果和局限性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在计算机视觉中，轮廓检测是一个比较重要的任务

还有一些相关的操作：计算多边形边界、形态逼近和计算感兴趣区域，后面再慢慢研究。。。

先来初步尝试下轮廓检测

检测前，先对图像进行处理

图像二值化

图像二值化（ Image Binarization）就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。在数字图像处理中，二值图像占有非常重要的地位，图像的二值化使图像中数据量大为减少，从而能凸显出目标的轮廓。

threshold 固定阈值二值化

def threshold(src, thresh, maxval, type, dst=None)

其中：

src: 输入图，只能输入单通道图像，通常来说为灰度图

thresh：设定的阈值

maxval: 当灰度值大于或小于阈值时，将灰度值赋成的值

type: 二值化的方式

可以有的方式有：

cv2.THRESH_BINARY = 0 大于阈值的部分被置为255，小于部分被置为0
cv2.THRESH_BINARY_INV = 1 大于阈值部分被置为0，小于部分被置为255
cv2.THRESH_MASK = 7
cv2.THRESH_OTSU = 8
cv2.THRESH_TOZERO = 3 小于阈值部分被置为0，大于部分保持不变
cv2.THRESH_TOZERO_INV = 4 大于阈值部分被置为0，小于部分保持不变
cv2.THRESH_TRIANGLE = 16
cv2.THRESH_TRUNC = 2 大于阈值部分被置为thresh，小于部分保持原样

看看有些啥效果。。。

import cv2
import matplotlib.pyplot as plt

#灰度读取
img = cv2.imread('img/Lena.jpg', cv2.IMREAD_GRAYSCALE)

ret, thresh1 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
ret, thresh2 = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV)
ret, thresh3 = cv2.threshold(img, 127, 255, cv2.THRESH_MASK)
ret, thresh4 = cv2.threshold(img, 127, 255, cv2.THRESH_OTSU)
ret, thresh5 = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO)
ret, thresh6 = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO_INV)
ret, thresh7 = cv2.threshold(img, 127, 255, cv2.THRESH_TRIANGLE)
ret, thresh8 = cv2.threshold(img, 127, 255, cv2.THRESH_TRUNC)


titles = ['img', 'BINARY','BINARY_INV','MASK','OTSU','TOZERO','TOZERO_INV','TRIANGLE','TRUNC']
imgs = [img,thresh1,thresh2,thresh3,thresh4,thresh5,thresh6,thresh7,thresh8]

for i in range(9):
    plt.subplot(3,3,i+1),plt.imshow(imgs[i],'gray')
    plt.title(titles[i])
    plt.xticks([]),plt.yticks([])
plt.show()

补充一直二值化的图，THRESH_OTSU

adaptiveThreshold 自适应阈值二值化

自适应阈值可以看成一种局部性的阈值，通过规定一个区域大小，比较这个点与区域大小里面像素点的平均值（或者其他特征）的大小关系确定这个像素点的阈值

def adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C, dst=None)

其中：

src: 输入图，只能输入单通道图像，通常来说为灰度图

maxval: 当像素值超过了阈值（或者小于阈值，根据type来决定），所赋予的值

adaptiveMethod: 自适应计算方法： cv2.ADAPTIVE_THRESH_MEAN_C ：领域内均值

cv2.ADAPTIVE_THRESH_GAUSSIAN_C ：领域内像素点加权和

thresholdType: 二值化的方式 cv2.THRESH_BINARY 和cv2.THRESH_BINARY_INV

blockSize: 规定区域大小

C: 常数C，阈值等于均值或者加权值减去这个常数

返回值只有一个

thresh1 = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,11,2)
thresh2 = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY_INV,11,2)
thresh3 = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,11,2)
thresh4 = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY_INV,11,2)

titles = ['img', 'MEAN_C','MEAN_C_INV','GAUSSIAN_C','GAUSSIAN_C_INV']
imgs = [img,thresh1,thresh2,thresh3,thresh4]

for i in range(5):
    plt.subplot(3,3,i+1),plt.imshow(imgs[i],'gray')
    plt.title(titles[i])
    plt.xticks([]),plt.yticks([])
plt.show()

cv2.findContours() 寻找图像的轮廓

def findContours(image, mode, method, contours=None, hierarchy=None, offset=None)

其中：

image：输入图像（会被修改）,要求是二值图像

mode:轮廓的检索模式：

cv2.RETR_EXTERNAL	只检测外轮廓
cv2.RETR_LIST	检测的轮廓不建立等级关系
cv2.RETR_CCOMP	建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层
cv2.RETR_TREE	建立一个等级树结构的轮廓

method:轮廓近似办法

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
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
cv2.CHAIN_APPROX_TC89_L1	使用teh-Chini近似算法
CV_CHAIN_APPROX_TC89_KCOS	使用teh-Chini近似算法

返回值：轮廓数据，轮廓对应的属性

cv2.drawContours() 绘制轮廓

def drawContours(image, contours, contourIdx, color, thickness=None, lineType=None, hierarchy=None, maxLevel=None, offset=None)

其中：

image:输入/输出图像，指明在哪个图像上绘制轮廓。并且该函数会修改源图像image。

contours:使用findContours检测到的轮廓数据

contourIdx:绘制轮廓的索引变量(表示绘制第几个轮廓)，如果为负值则绘制所有输入轮廓。

color:轮廓颜色。

thickness:绘制轮廓所用线条粗细度，如果值为负值，则在轮廓内部绘制。

lineTpye:线条类型，有默认值LINE_8

hierarchy:可选层次结构信息

maxLevel:用于绘制轮廓的最大等级。

offset:轮廓偏移参数，用制定偏移量offset=(dx, dy)给出绘制轮廓的偏移量。

做个例子将上面的方法连贯起来

生成图片——二值化——查找轮廓——绘制轮廓

img = np.zeros((400,400), dtype=np.uint8)

img[50:300,50:100] = 255
img[150:200,50:200] = 255
img[50:300, 150:200] = 255

img[150:200,250:300] = 255

绘制几个方框，设置为白色

ret, thresh = cv2.threshold(img, 127, 255, 0)
# cv2.THRESH_BINARY = 0

image, contours = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
color = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)

img = cv2.drawContours(color, image, -1, (0,255,0), 2)
cv2.imshow('color', color)

成功标记处轮廓。。。。

换个图片试试

img = cv2.imread('img/mei.jpg',cv2.IMREAD_COLOR)
cv2.imshow('img', img)

gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray, (11,11), 0)

ret, thresh = cv2.threshold(gray, 127, 255, 0)
image, contours = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
img = cv2.drawContours(img, image, -1, (0,255,0), 2)

cv2.imshow('color', img)

百度图片里面找了张妹子图。。。测试下。。。感觉还是有点菜啊。。。。有待继续研究。。。。