OpenCV---輪廓發現

推文：OpenCV-Python教程（11、輪廓檢測）

輪廓發現

是基於圖像邊緣提取的基礎，尋找對象輪廓的方法，所以邊緣提取的閾值選定會影響最終輪廓的發現

相關API

findContours 發現輪廓

drawContours繪制輪廓

操作步驟

1.轉換圖像為二值化圖像：threshold方法或者canny邊緣提取獲取的都是二值化圖像
2.通過二值化圖像尋找輪廓：findContours
3.描繪輪廓：drawContours

一：使用直接使用閾值方法threshold方法獲取二值化圖像來選擇輪廓

def contours_demo(image):
    dst = cv.GaussianBlur(image,(9,9),15)　　#高斯模糊，消除噪聲
    gray = cv.cvtColor(dst,cv.COLOR_BGR2GRAY) #先變灰度圖像
    ret, binary = cv.threshold(gray,0,255,cv.THRESH_BINARY|cv.THRESH_OTSU)  #獲取二值圖像
    cv.imshow("binary image",binary)

    # cloneImage,contours,heriachy = cv.findContours(binary,cv.RETR_TREE,cv.CHAIN_APPROX_SIMPLE)    #RETR_TREE包含檢測內部
    cloneImage,contours,heriachy = cv.findContours(binary,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_SIMPLE)  #RETR_EXTERNAL檢測外部輪廓
    for i, contour in enumerate(contours):
        # cv.drawContours(image,contours,i,(0,0,255),2)　　#繪制輪廓
        cv.drawContours(image,contours,i,(0,0,255),-1)　　#填充輪廓
        print(i)
    cv.imshow("detect contours",image)


src = cv.imread("./lk.png")  #讀取圖片
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)    #創建GUI窗口,形式為自適應
cv.imshow("input image",src)    #通過名字將圖像和窗口聯系

contours_demo(src)

cv.waitKey(0)   #等待用戶操作，里面等待參數是毫秒，我們填寫0，代表是永遠，等待用戶操作
cv.destroyAllWindows()  #銷毀所有窗口

二：使用canny邊緣檢測獲取二值化圖像

def contours_demo(image):
    binary = edge_demo(image)

    cloneImage,contours,heriachy = cv.findContours(binary,cv.RETR_TREE,cv.CHAIN_APPROX_SIMPLE)    #RETR_TREE包含檢測內部
    for i, contour in enumerate(contours):
        # cv.drawContours(image,contours,i,(0,0,255),2)
        cv.drawContours(image,contours,i,(0,0,255),-1)
        print(i)
    cv.imshow("detect contours",image)

def edge_demo(image):
    dst = cv.GaussianBlur(image,(3,3),0)
    gray = cv.cvtColor(dst,cv.COLOR_BGR2GRAY) #先變灰度圖像

    edge_output = cv.Canny(gray,50,108)

    cv.imshow("detect contours",edge_output)
    return edge_output

src = cv.imread("./lk.png")  #讀取圖片
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)    #創建GUI窗口,形式為自適應
cv.imshow("input image",src)    #通過名字將圖像和窗口聯系

contours_demo(src)

cv.waitKey(0)   #等待用戶操作，里面等待參數是毫秒，我們填寫0，代表是永遠，等待用戶操作
cv.destroyAllWindows()  #銷毀所有窗口

相關知識補充

（一）findContours尋找輪廓

cv.findContours(binary,cv.RETR_TREE,cv.CHAIN_APPROX_SIMPLE) 

def findContours(image, mode, method, contours=None, hierarchy=None, offset=None): # real signature unknown; restored from __doc__

1.image:輸入圖像，圖像必須為8-bit單通道圖像，圖像中的非零像素將被視為1，0像素保留其像素值，故加載圖像后會自動轉換為二值圖像。可以通過threshold和canny獲取

2.mode：輪廓檢索模式

RETR_EXTERNAL:表示只檢測最外層輪廓，對所有輪廓設置hierarchy[i][2]=hierarchy[i][3]=-1 
RETR_LIST:提取所有輪廓，並放置在list中，檢測的輪廓不建立等級關系 
RETR_CCOMP:提取所有輪廓，並將輪廓組織成雙層結構(two-level hierarchy),頂層為連通域的外圍邊界，次層位內層邊界 
RETR_TREE:提取所有輪廓並重新建立網狀輪廓結構 
RETR_FLOODFILL：官網沒有介紹，應該是洪水填充法 

3.method:輪廓近似方法

CHAIN_APPROX_NONE：獲取每個輪廓的每個像素，相鄰的兩個點的像素位置差不超過1 
CHAIN_APPROX_SIMPLE：壓縮水平方向，垂直方向，對角線方向的元素，值保留該方向的重點坐標，如果一個矩形輪廓只需4個點來保存輪廓信息 
CHAIN_APPROX_TC89_L1和CHAIN_APPROX_TC89_KCOS使用Teh-Chinl鏈逼近算法中的一種 

返回值：

ret = cv.findContours(binary, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
cloneImage,contours,heriachy = cv.findContours(binary,cv.RETR_TREE,cv.CHAIN_APPROX_SIMPLE)    #RETR_TREE包含檢測內部

返回一個元組,內部有三個元素
<class 'numpy.ndarray'>
<class 'list'>
<class 'numpy.ndarray'>

第一個返回值：cloneImage是我們傳入的二值化圖像
第二個返回值：contours是一個列表，是輪廓本身，含有輪廓上面的各個點的位置信息
第三個返回值：heriachy是每條輪廓對應的屬性

（二）drawContours繪制輪廓

cv.drawContours(image,contours,i,(0,0,255),2)
cv.drawContours(image,contours,i,(0,0,255),-1)

def drawContours(image, contours, contourIdx, color, thickness=None, lineType=None, hierarchy=None, maxLevel=None, offset=None): # real signature unknown; restored from __doc__

1.image:輸入輸出圖像，Mat類型即可 
2.contours:使用findContours檢測到的輪廓數據，每個輪廓以點向量的形式存儲
3.contourIdx:繪制輪廓的只是變量，如果為負值則繪制所有輸入輪廓 
4.color:輪廓顏色 
5.thickness:繪制輪廓所用線條粗細度，如果值為負值，則在輪廓內部繪制