机器视觉学习（十）—— 轮廓检测

目录

一、轮廓的检测与绘制

[1.1 cv2.findContours()函数](#1.1 cv2.findContours()函数)

[1.2 cv2.drawContours()函数](#1.2 cv2.drawContours()函数)

[1.3 轮廓检测示例代码](#1.3 轮廓检测示例代码)

二、显示边界框

[2.1 cv2.boundingRect()函数](#2.1 cv2.boundingRect()函数)

[2.2 cv2.rectangle()函数](#2.2 cv2.rectangle()函数)

[2.3 显示绘制边界框](#2.3 显示绘制边界框)

[2.4 个人笔记和进阶版显示边框](#2.4 个人笔记和进阶版显示边框)

[2.4.1 个人笔记](#2.4.1 个人笔记)

[2.4.2 进阶版显示边框](#2.4.2 进阶版显示边框)

---

一、轮廓的检测与绘制

轮廓检测（Contour Detection）用于检测图像中的边缘或物体的轮廓。轮廓是图像中连续的、具有相同颜色或灰度值的像素点所组成的曲线。通过轮廓检测，可以提取出图像中的对象的形状和结构信息。

1.1 cv2.findContours()函数

cv2.findContours() 函数是用于查找图像中的轮廓的。它的输入参数是一个二值化图像，其中白色像素表示前景，黑色像素表示背景。函数返回的是一个包含轮廓的列表，每个轮廓都是一个由点组成的边界。

函数的语法如下：

contours, hierarchy = cv2.findContours(image, mode, method, offset)

参数说明：

• image：输入的二值图像，通常为灰度图像或二值化图像。图像需要为8位无符号整型。
• mode：轮廓检索模式。有四种模式可选：
  • cv2.RETR_EXTERNAL：只检测外部的轮廓。
  • cv2.RETR_LIST：检测所有的轮廓，不建立轮廓间的层级关系。
  • cv2.RETR_CCOMP：检测所有的轮廓，并将其组织为两层的层级关系。
  • cv2.RETR_TREE：检测所有的轮廓，并将其组织为树状的层级关系。
• method：轮廓近似方法。有三种方法可选：
  • cv2.CHAIN_APPROX_NONE：保存所有的轮廓点。
  • cv2.CHAIN_APPROX_SIMPLE：只保存轮廓的端点。
  • cv2.CHAIN_APPROX_TC89_L1和cv2.CHAIN_APPROX_TC89_KCOS：通过Teh-Chin链码逼近算法进行轮廓近似。
• offset：可选参数，用于指定轮廓点的偏移量。

函数返回两个值：

• contours：返回的轮廓信息，是一个由多个轮廓组成的列表。
• hierarchy：返回的轮廓层级信息，与轮廓列表对应。每个轮廓对应一个四元组(hierarchy[0], hierarchy[1], hierarchy[2], hierarchy[3])，分别为后一个轮廓、前一个轮廓、父轮廓、子轮廓的索引。如果没有则为-1。

1.2 cv2.drawContours()函数

cv2.drawContours()函数是OpenCV中用于绘制轮廓的函数。

函数的语法为：

image = cv2.drawContours(image, contours, contourIdx, color, thickness)

参数说明：

• image：输入的图像，可以是灰度图像或彩色图像。
• contours：轮廓信息，可以是通过cv2.findContours()函数得到的轮廓列表。
• contourIdx：轮廓的索引，指定要绘制的轮廓。如果为负数（例如-1），则绘制所有的轮廓。
• color：绘制轮廓的颜色，可以是指定的颜色（例如(0,255,0)表示绿色）或者是使用-1用于绘制填充轮廓。
• thickness：轮廓线的宽度。如果为负数（例如-1），则绘制填充轮廓。默认值为1。

函数的返回值为绘制轮廓后的图像。

1.3 轮廓检测示例代码

一般cv2.findContours()函数和cv2.drawContours()函数配合使用。

使用OpenCV库进行轮廓检测的示例代码：

import cv2

# 读取图片
image = cv2.imread('image.jpg')

# 转换为灰度图像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 阈值化处理
ret, thresh = cv2.threshold(gray, 127, 255, 0)

# 轮廓检测
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 绘制轮廓
cv2.drawContours(image, contours, -1, (0, 255, 0), 3)

# 显示结果
cv2.imshow('Contours', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

首先读取一张图片，然后将其转换为灰度图像。接下来，对灰度图像进行阈值化处理，将图像转换为二值图像。然后，使用cv2.findContours()函数进行轮廓检测，该函数返回检测到的轮廓以及它们的层级关系。最后，使用cv2.drawContours()函数在原始图像上绘制检测到的轮廓。结果图像将显示出带有轮廓的物体。

二、显示边界框

2.1 cv2.boundingRect()函数

cv2.boundingRect()函数是OpenCV中一个用于计算轮廓的边界框的函数。它接受一个轮廓作为输入，并返回一个表示该轮廓的最小外接矩形的边界框。

函数的语法如下：

x, y, width, height = cv2.boundingRect(contour)

参数说明：

• contour：要计算边界框的轮廓，可以通过cv2.findContours()函数找到。

返回值说明：

• x, y：边界框的左上角坐标。
• width, height：边界框的宽度和高度。

该函数返回的边界框是一个矩形，可以用于识别轮廓的位置和大小。

2.2 cv2.rectangle()函数

cv2.rectangle()函数是OpenCV中的一个函数，用于在图像上绘制矩形。

函数原型为：

cv2.rectangle(img, pt1, pt2, color[, thickness[, lineType[, shift]]])

参数说明：

• img：要绘制矩形的图像。
• pt1：矩形的左上角顶点的坐标。
• pt2：矩形的右下角顶点的坐标。
• color：矩形的颜色，可以是BGR格式的颜色值，也可以是灰度值。
• thickness：矩形线条的宽度。如果thickness为正数，则表示线条宽度。如果thickness为负数或者等于-1，则表示矩形内部被填充。
• lineType：线条类型，默认为cv2.LINE_8。可以设置为cv2.LINE_4、cv2.LINE_8、cv2.LINE_AA等。
• shift：坐标点的小数位数。

2.3 显示绘制边界框

使用cv2.boundingRect()来显示边界框，首先将边界框计算出来，然后使用cv2.rectangle()在图像上绘制边界框。

下面是一个简单的示例代码，它显示如何使用cv2.boundingRect()显示边界框：

import cv2

# 读取图像
image = cv2.imread('image.jpg')

# 将图像转换为灰度图像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 对灰度图像应用Canny边缘检测
edges = cv2.Canny(gray, 100, 200)

# 查找轮廓
contours, hierarchy = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 绘制边界框
for contour in contours:
    # 计算边界框
    x, y, w, h = cv2.boundingRect(contour)
    # 在图像上绘制边界框
    cv2.rectangle(image, (x, y), (x+w, y+h), (0, 255, 0), 2)

# 显示图像
cv2.imshow('Bounding Rect', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

示例中，首先读取图像并将其转换为灰度图像。然后，应用Canny边缘检测来检测图像的边缘。接下来，使用cv2.findContours()函数查找图像的轮廓。然后，对每个轮廓，使用cv2.boundingRect()函数计算边界框的坐标和尺寸。最后，使用cv2.rectangle()在图像上绘制边界框，并显示结果图像。

2.4 个人笔记和进阶版显示边框

2.4.1 个人笔记

"""               
轮廓层次
函数原型:   contours, hierarchy = cv2.findContours(image, mode, method)
    hierarchy 为四个值的数值:       [Next, Previous, First_Child, Parent]
        Next                    表示下一个相同轮廓等级的轮廓
        Previous                表示上一个相同轮廓级別的轮廓
        First_Child             表示其第一个子轮廓
        Parent                  表示其父代轮廓的索引
    
    contours        返回一个列表,列表中每个元素都是图像中的一个轮廓,用numpy中的ndarray表示
    image                   参数是寻找轮廓的图像
    mode                    参数表示轮廓的检索模式
        cv2.RETR_EXTERNAL      表示只检测外轮廓
        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
        cv2.RETR_TREE          建立一个等级树结构的轮廓
    
    method                  轮廓的近似办法  
        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、垂直和对角线方向的元素,只保留该方向的终点坐标


绘制轮廓
函数原型:   cv2.drawContours(img, contours, 10, color, thickness)
    img:            输入图片
    contours:       轮廓信息  (cv2.findContours()得到的结果)
    10:             轮廓序号
    color:          轮廓颜色
    thinkness:      轮廓粗细

    
拟合直角矩形
函数原型:   x,y,w,h = cv.boundingRect(contours)
    (x,y):          轮廓左上角点坐标
    w:              轮廓宽
    h:              轮廓高
    contours:       绘制的轮廓信息

    
拟合旋转矩形
函数原型:   Rect = cv2.minAreaRect(contour)        (RECT有三个值)
    Rect[0]:        矩形中心点坐标
    Rect[1]:        矩形的长、宽
    Rect[2]:        矩形的旋转角度  (x轴逆时针到 w(宽)的角度)
    contour:        轮廓信息

函数原型:   cv.boxPoints(rect)      
        作用:   将 cv2.minAreaRect(contour)得到的结果转化成四个点的坐标

              
绘画矩形:            
    cv.rectangle(img, ps, pe, color, thickness)
        img:            要绘制形状的图片
        ps:             起点位置坐标
        pe:             终点位置坐标        
        color:          绘制的颜色
        thickness:      线宽,默认为 1;对于矩形或者圆之类的封闭形状而言,传入 -1表示填充形状
"""




"""
range()函数         可创建一个整数列表,一般应用在 for循环中,增量默认为 1
    range(stop):             生成一个从 0开始到 stop的整数数列   ( 0 <= n < stop )
    range(start,stop):         生成一个从 start到 stop的整数数列   ( start <= n<stop )
    range(start,stop,step):      
      生成一个增量为 step,且从start到stop的整数数列(start,start + step, ... ,n - step, n)

"""

2.4.2 进阶版显示边框

import cv2 as cv
import numpy as np

def boundingBOX(img,contours,i):                        # 创建函数
    x,y,w,h=cv.boundingRect(contours[i])                # 拟合直角矩形
    cv.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)       # 绘制矩形

def minAreaBOX(img,contours,i):
    rect = cv.minAreaRect(contours[i])                  # 拟合旋转矩形
    box = cv.boxPoints(rect)
    box = np.int0(box)
    cv.drawContours(img,[box],0,(0,255,0),2)

if __name__=="__main__":
    img = cv.imread("D:/Open_CV/OpenCV_demo/Pictures/1.jpg")
    image = cv.imread("D:/Open_CV/OpenCV_demo/Pictures/1.jpg")
    imgG = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
    ret,B = cv.threshold(imgG,60,255,cv.THRESH_BINARY)
    contours,hierarchy = cv.findContours(B,cv.RETR_TREE,cv.CHAIN_APPROX_SIMPLE) 
                  # 轮廓检测
    cv.drawContours(img,contours,-1,(0,255,0),2)

    for i in range(len(contours)):          # len(): 返回对象(字符、列表、元组等)长度或项目个数
        minAreaBOX(img,contours,i)
        boundingBOX(img,contours,i)

    cv.imshow("img",img)
    cv.imshow("image",image)                    # 显示原图
    cv.waitKey(0)

运行结果：