opencv寻找图像外轮廓

本文展示如何使用opencv中的方法寻找点集的外轮廓
参考：

1. https://docs.opencv.org/4.0.0/d3/dc0/group__imgproc__shape.html#gadf1ad6a0b82947fa1fe3c3d497f260e0
2. https://blog.youkuaiyun.com/eric_e/article/details/79591025

1、opencv接口函数：

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

参数说明：

1. image：8位单通道2值图像，如果mode参数是 RETR_CCOMP 或者 RETR_FLOODFILL，输入也可以是32-bit integer image of labels (CV_32SC1)。
2. mode：
   (1) cv.RETR_EXTERNAL只检测最外围轮廓，包含在外围轮廓内的内围轮廓被忽略
   (2) cv.RETR_LIST   检测所有的轮廓，包括内围、外围轮廓，但是检测到的轮廓不建立等级关系，彼此之间独立，没有等级关系，这就意味着这个检索模式下不存在父轮廓或内嵌轮廓，所以hierarchy向量内所有元素的第3、第4个分量都会被置为-1。
   (3) cv.RETR_CCOMP  检测所有的轮廓，但所有轮廓只建立两个等级关系，外围为顶层，若外围内的内围轮廓还包含了其他的轮廓信息，则内围内的所有轮廓均归属于顶层。
   (4) cv.RETR_TREE， 检测所有轮廓，所有轮廓建立一个等级树结构。外层轮廓包含内层轮廓，内层轮廓还可以继续包含内嵌轮廓。
   (5) cv.RETR_FLOODFILL，官方文档中没有说明
3. method：
   (1) cv.CHAIN_APPROX_NONE 保存物体边界上所有连续的轮廓点到contours向量内
   (2) cv.CHAIN_APPROX_SIMPLE 仅保存轮廓的拐点信息，把所有轮廓拐点处的点保存入contours向量内
   (3) cv.CHAIN_APPROX_TC89_L1 使用Teh-Chin chain approximation algorithm
   (4) cv.CHAIN_APPROX_TC89_KCOS 使用Teh-Chin chain approximation algorithm
4. contours：轮廓点数(python中该参数保持默认值None即可)
5. hierarchy：Optional output vector (e.g. std::vector<cv::Vec4i>), containing information about the image topology. It has as many elements as the number of contours. For each i-th contour contours[i], the elements hierarchy[i][0] , hierarchy[i][1] , hierarchy[i][2] , and hierarchy[i][3] are set to 0-based indices in contours of the next and previous contours at the same hierarchical level, the first child contour and the parent contour, respectively. If for the contour i there are no next, previous, parent, or nested contours, the corresponding elements of hierarchy[i] will be negative.(python中该参数保持默认值None即可)
6. offset：轮廓点相对于原始图像对应点的偏移量，This is useful if the contours are extracted from the image ROI and then they should be analyzed in the whole image context.

2、示例

代码如下

# encoding:utf-8

import numpy as np
import cv2
import matplotlib.pyplot as plt

# 生成数据点
p_list = []
for x in range(150,155):
    for y in range(100, 200):
        p_list.append([x, y])
for x in range(100, 200):
    for y in range(150,155):
        p_list.append([x, y])

im_shape = [300,300]
im_ = np.zeros(im_shape,dtype=np.uint8)
for x,y in p_list:
    im_[x,y] = 255

mode = cv2.RETR_EXTERNAL
method = cv2.CHAIN_APPROX_SIMPLE
contours, hierarchy = cv2.findContours(im_, mode, method)
print(contours)

# 绘制点集和轮廓线
contours = np.squeeze(contours)
plt.scatter(np.array(p_list)[:,0],np.array(p_list)[:,1])
plt.plot(np.array(contours)[:,0],np.array(contours)[:,1],"r")
plt.show()

结果如下图所示，其中蓝色是数据点集，红颜色线条是点集外轮廓。