OpenCV图像处理（三、OpenCV中的轮廓）

1.初识轮廓

1.1 原理

轮廓可以简单认为成将连续的点(连着边界)连在一起的曲线，具有相同的颜色或者灰度。

• 使用二值化图像可以更准确识别轮廓。寻找轮廓之前要进行阈值化处理或Canny边界检测；
• 查找轮廓会修改原始图像；
• OpenCV中查找轮廓类似于在黑色背景中找白色物体。背景是黑色，物体是白色。

1.2 常用函数

• 查找轮廓：cv2.findContours()。第一个是输入图像，第二个是轮廓检索模式，第三个是轮廓近似方法。
• 绘制轮廓：cv2.drawContours()。第一个参数是原始图像，第二个参数是轮廓，第三个是轮廓的索引（-1表示绘制所有轮廓）。
• 轮廓的近似方法：
  • cv2.CHAIN_APPROX_NONE，存储所有边界点；
  • cv2.CHAIN_APPROX_SIMPLE，只存储有用的点，去掉冗余点，压缩轮廓。

#!/usr/bin/env python 
# -*- coding:utf-8 -*-
import cv2
img = cv2.imread("/Users/~~/img.png")
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
# 查找轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 绘制轮廓
img = cv2.drawContours(img, contours, 50, (0, 255, 0), 3)
plt.imshow(img, cmap='gray')
plt.title('Original'), plt.xticks([]), plt.yticks([])

结果：

2.轮廓的特征

2.1 矩

图像的矩可以用来计算图像的质心，面积等。

#!/usr/bin/env python 
# -*- coding:utf-8 -*-
import cv2
img = cv2.imread("/~~/ig.png", 0)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
contours, hierarchy = cv2.findContours(thresh, 1, 2)
cnt = contours[0]
M = cv2.moments(cnt)
print(M)
# 绘制轮廓
# 重心
cx = int(M['m10']/M['m00']) #255
cy = int(M['m01']/M['m00']) #480
#面积‘
area = cv2.contourArea(cnt) #30700
#周长
#  cv2.arcLength()的第二个参数用来指定对象的形状是闭合（True）的还是打开的（一条曲线）。
perimeter = cv2.arcLength(cnt, True) #1162.97

2.2 轮廓近似

将轮廓近似到另一种由更少点组成的轮廓形状。
approx = cv2.approxPolyDP(cnt,epsilon,True)
epsilon：原始轮廓到近似轮廓的最大距离；
True：弧线是否闭合。

# epsilon = 10% 时的近似轮廓
epsilon = 0.1*