图形轮廓
图像轮廓
import cv2
import numpy as np
"""
图形轮廓--具有相同颜色或灰度的连续点的曲线
用于图形分析和物体的识别和检测
注意：为了检测的准确性，必须对图像进行二值化或canny操作
画轮廓时会修改原图像，记得存储
"""
img = cv2.imread('./img/cat.jpeg')
查找轮廓
"""
查找轮廓
"""
# 先变成单通道的黑白图片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化
thresh, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
# 查找轮廓 cv2.RETR_TREE查找轮廓的模式，一般用这个(树形)
# CHAIN_APPROX_SIMPLE 只保存角点，CHAIN_APPROX_NONE 保存轮廓所有的点
# contours里面放的是list，list里面放的ndarray，每个ndarray表示一个contours
# contours, hierarchy：轮廓和层级
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
绘制轮廓
"""
绘制轮廓
画轮廓时会修改原图像，记得存储
轮廓编号要根据实际情况改
"""
# 画轮廓直接使用原始彩色图像
# contours轮廓点， -1：轮廓编号，-1表示绘制所有轮廓
# (0, 0, 255)颜色， 2线宽如果是-1，表示全部填充
img_copy = img.copy()
cv2.drawContours(img_copy, contours, -1, (0, 0, 255), 2)
cv2.imshow('img_copy', img_copy)
计算轮廓的面积和周长
"""
计算轮廓的面积和周长
"""
# 面积 第一个轮廓的面积
area = cv2.contourArea(contours[1])
# 周长 closed=True是否封闭
perimeter = cv2.arcLength(contours[1], closed=True)
多边形逼近与凸包
"""
多边形逼近：findContours找到的轮廓信息可能过于复杂且不平滑，对轮廓做近似处理
"""
# approx本质上是一个轮廓数据 20为DP(Douglas------Peucker)算法的阈值
approx = cv2.approxPolyDP(contours[0], 20, closed=True)
# 绘制逼近的轮廓
# 注意：[approx]传的是列表
# 轮廓编号要根据实际情况改
cv2.drawContours(img_copy, [approx], 0, (0, 255, 0), 2)
"""
凸包：与多边形逼近，只不过是物体最外层的凸多边形，包含原有轮廓，但仅由轮廓上的点构成的多边形--一种简化
"""
# 计算凸包
hull = cv2.convexHull(contours[0])
# 画出凸包 轮廓编号要根据实际情况改
cv2.drawContours(img_copy, [hull], 0, (255, 0, 0), 2)
外接矩形
"""
外接矩形--轮廓的最小和最大外接矩形
"""
# 最小外接矩形
# 返回的是一个旋转的矩形，包括：矩形的起始坐标(x, y)，矩形的长宽，矩形旋转的角度
# 轮廓编号要根据实际情况改
rect = cv2.minAreaRect(contours[1])
# 画出外接矩形 boxPoints专门绘制旋转矩形
# 返回的是矩形四个点的坐标
box = cv2.boxPoints(rect)
# 绘制最小外接
# 注意：坐标必须是整数才能绘制 np.int0(box)截取整数，但是误差
# 四舍五入：np.round(box)，此时还有小数点没有去除 astype('int64')解决
box = np.round(box).astype('int64')
cv2.drawContours(img_copy, [box], 0, (255, 0, 0), 2)
# 最大外接矩形(不会旋转) 返回：矩形的起始坐标(x, y)，矩形的长宽
x, y, w, h = cv2.boundingRect(contours[1])
# 绘制最大外接矩形
cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
cv2.waitKey(0)
cv2.destroyAllWindows()