OpenCV计算机视觉实战 | 第7章 金字塔与轮廓检测

本文为《OpenCV计算机视觉实战》的课程笔记。

1 图像金字塔

1.1 基本概念

图像金字塔主要有两种：

1、高斯金字塔

2、拉普拉斯金字塔

1.1.1 高斯金字塔

1、向下采样法（缩小）：长和宽都缩小2倍

• 用高斯核与$G_i$卷积
• 去除偶数行和偶数列

2、向上采样法（放大）：长和宽都扩大2倍

• 将$G_i$在$x$和$y$方向都扩大为原来的两倍，新增像素用0填充，得到$G_i^{\prime }$
• 将高斯核与$G_i^{\prime }$进行卷积

1.1.2 拉普拉斯金字塔

1.2 金字塔制作方法

1.2.1 高斯金字塔

上采样：cv2.pyrUp(img)

下采样：cv2.pyrDown(img)

img = cv2.imread('./img/cat.jpg')
img = cv2.resize(img, (300, 300))

# 上采样
up = cv2.pyrUp(img)
# 下采样
down = cv2.pyrDown(up)

cv_show('up&down', np.hstack((img, down)))

左：原图；右：上采样再下采样后的结果

从上图来看，经过上采样再经过下采样后，图像的色彩和清晰度都损失了。

1.2.2 拉普拉斯金字塔

对灰度图的处理效果：

img = cv2.resize(cv2.imread('./img/cat.jpg',cv2.IMREAD_GRAYSCALE),(300, 300))
down = cv2.pyrDown(img)
down_up = cv2.pyrUp(down)
l_1 = img - down_up[:797,:797]
cv_show('lap_1',l_1)

对彩色图像的处理效果：

img = cv2.resize(cv2.imread('./img/cat.jpg'), (300, 300))
down = cv2.pyrDown(img)
down_up = cv2.pyrUp(down)
l_1 = img - down_up[:797,:797,:]
cv_show('lap_1',l_1)

第二张：迭代3次后的效果

2 轮廓检测

2.1 图像轮廓检测方法

轮廓得是一个整体。

cv中的方法：

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

mode：轮廓检测模式

• RETR_EXTERNAL：只检索最外面的轮廓
• RETR_LIST：检索所有的轮廓，并将其保存到一条链表当中
• RETR_CCOMP：检索所有的轮廓，并将他们组织为两层：顶层是各部分的外部边界，第二层是空洞的边界
• RETR_TREE：检索所有的轮廓，并重构嵌套轮廓的整个层次（通常只用这个方法）

method：轮廓逼近方法

• CHAIN_APPROX_NONE：以Freeman链码的方式输出轮廓。
• CHAIN_APPROX_SIMPLE：压缩水平的、垂直的和斜的部分，只保留他们的重点部分

​ 以矩形举例，CHAIN_APPROX_NONE输出矩形的四边，CHAIN_APPROX_SIMPLE输出矩形的四个顶点。

为了更高的准确率，使用二值图像。

返回值：

• contours：轮廓信息，数据类型为列表
• hierarchy：见这篇博文

2.2 轮廓绘制方法

res = cv2.drawContours(src, contours, contours_index, color_mode, line_weight)

• src：输入图像

• countours：轮廓检测得到的轮廓

• countours_index：轮廓索引，负数表示显示所有轮廓

  一张图像中往往可以提取出多条轮廓线，轮廓线可能是闭合的也可能是开放的（这句话可能不是很严谨，意会一下）。

  如图所示，封闭形状有内外两条轮廓线（图中标号为轮廓索引）

• color_mode：轮廓线使用的颜色

• line_weight：轮廓线的粗细

注意，执行本方法后，执行结果会覆写src！

2.2 轮廓检测

1、读入图像，并将图像转化为二值图。

img = cv2.resize(cv2.imread('./img/cat.jpg'),(300, 300))
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 173, 255, cv2.THRESH_BINARY)
cv_show('thresh',np.hstack((gray, thresh)))

回顾一下，这里cv2.threshold(gray, 173, 255, cv2.THRESH_BINARY)是将超过阈值的像素点替换为255，否则替换为0，即像素值超过阈值的设置为白色，其余点设置为黑色（知识点见第3章）。

猫猫头顶部分和背景的区分度不是很好，可以预见根据这张灰度图得到的轮廓不会很理想。

2、获取轮廓

contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

3、绘制轮廓

# 绘制轮廓
draw_img = img.copy()
res = cv2.drawContours(draw_img, contours, -1, (0,0,255),2)
cv_show('res',res)

效果果然不是很好，猫猫的外轮廓和背景连到一起了TAT。或许先加强一下灰度图的对比度效果会更好？回头研究一下。