Opencv查找、绘制轮廓、圆形矩形轮廓和近似轮廓

查找、绘制轮廓、圆形矩形轮廓和近似轮廓

目录

• 查找、绘制轮廓、圆形矩形轮廓和近似轮廓
• • [1 轮廓查找和绘制](#1 轮廓查找和绘制)
  • • [1.1 轮廓查找](#1.1 轮廓查找)
    • • [1.1.1 函数和参数](#1.1.1 函数和参数)
      • [1.1.2 返回值](#1.1.2 返回值)
    • [1.2 轮廓绘制](#1.2 轮廓绘制)
    • • [1.2.1 函数和参数](#1.2.1 函数和参数)
    • [1.3 步骤](#1.3 步骤)
    • [1.4 实际测试绘制轮廓](#1.4 实际测试绘制轮廓)
  • [2 绘制近似轮廓](#2 绘制近似轮廓)
  • • [2.1 函数和参数](#2.1 函数和参数)
    • [2.2 查找特定轮廓](#2.2 查找特定轮廓)
    • [2.3 近似轮廓测试](#2.3 近似轮廓测试)
  • [3 绘制圆形矩形轮廓](#3 绘制圆形矩形轮廓)
  • • [3.1 圆形函数和参数](#3.1 圆形函数和参数)
    • [3.2 矩形函数和参数](#3.2 矩形函数和参数)
    • [3.3 实际测试](#3.3 实际测试)

1 轮廓查找和绘制

---

1.1 轮廓查找

1.1.1 函数和参数

cv2.findContours(图片,检索方式,轮廓近似方法)

• 图片最好为二值图，即非黑即白，非0即255
• 检索方式
  • cv2.RETR_TREE,只检测外轮廓
  • cv2.RETR_LIST，检测轮廓，不建立等级关系，所有轮廓在同一等级
  • cv2.RETR_CCOMP，检测轮廓，建立两个等级关系，一个对象的外轮廓是第一级组织结构，内部空洞轮廓为第二级组织机构，空洞中的任何对象的轮廓又是第一级组织机构
  • cv2.RETR_TREE，返回所有轮廓，建立一个完整的组织机构轮廓
• 轮廓近似方法
  • cv2.CHAIN_APPROX_NONE，存储所有轮廓点
  • cv2.CHAIN_APPROX_SIMPLE，压缩模式，只保留该方向的终点坐标

1.1.2 返回值

_,contours,hier = cv2.findContours(con_binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

• contours ,包括查找的所有轮廓的list对象 ，其中每一个独立的轮廓信息以边界点坐标（x,y）存在numpy数组中
• hierarchy，轮廓层次结构，[当前轮廓同层下一轮廓,当前轮廓同层上衣轮廓,当前轮廓子轮廓,当前轮廓父轮廓]

1.2 轮廓绘制

1.2.1 函数和参数

con_con = cv2.drawContours(img片,contours=contours,contourIdx=-1,color=(255,0,0),thickness=3)

• img绘制轮廓的图片
• contours=contours轮廓,
• contourIdx=-1轮廓索引值,-1表示全部
• color=(255,0,0)绘制线条颜色,
• thickness=3线条大小
  返回值为根据设置绘制轮廓的图像

1.3 步骤

• 图片
• 灰度图
• 二值图
• 根据二值图查找轮廓返回轮廓
• 根据返回轮廓在图像上绘制轮廓，返回图像

1.4 实际测试绘制轮廓

原图：

代码展示：

import cv2
con = cv2.imread('con.png')
con_0 = cv2.imread('con.png',0)
r,con_binary = cv2.threshold(con_0,125,255,cv2.THRESH_BINARY)
_,contours,hier = cv2.findContours(con_binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
con_copy = con.copy()
con_con_1 = cv2.drawContours(con_copy,contours=contours,contourIdx=-1,color=(255,0,0),thickness=3)
con_copy = con.copy()
con_con1 = cv2.drawContours(con_copy,contours=contours,contourIdx=1,color=(255,0,0),thickness=3)
cv2.imshow('con',con )
cv2.waitKey(0)
cv2.imshow('con_binary',con_binary)
cv2.waitKey(0)
cv2.imshow('con_con1',con_con1)
cv2.waitKey(0)
cv2.imshow('con_con_1',con_con_1)
cv2.waitKey(0)

运行结果：

2 绘制近似轮廓

---

2.1 函数和参数

• arc_0005=0.005*cv2.arcLength(contours[1],True)，计算轮廓长度
  • 0.005表示近似的程度，值越小，近似的点越多，值越大近似的点越少，线条越多少
  • contours[1]为要近似的目标轮廓，True，表示曲线是闭合
  • arc_0005为返回值，为近似后的轮廓周长数值，
• apporx_0005 = cv2.approxPolyDP(max_area_con,arc_0005,True)，返回值为逼近的轮廓，需要加[]使用
• cv2.drawContours(con_copy,[apporx_0005],contourIdx=-1,color=(0,0,255),thickness=3)
  • con_copy，绘制轮廓的图像，
  • [apporx_0005]，返回的轮廓
  • contourIdx=-1，表示索引全部
  • color=(255,0,0)绘制线条颜色
  • thickness=3线条大小

2.2 查找特定轮廓

这里找的是最大的轮廓

原图：

代码展示：

import cv2
con = cv2.imread('wang.png')
con_0 = cv2.imread('wang.png',0)
r,con_binary = cv2.threshold(con_0,125,255,cv2.THRESH_BINARY)
_,contours,hier = cv2.findContours(con_binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
con_area = [(i,cv2.contourArea(i)) for i in contours]
## 排序
con_area_sorted = sorted(con_area,key=lambda x:x[1],reverse=True)
max_area_con = con_area_sorted[1][0]
arc_0005 = 0.005*cv2.arcLength(max_area_con,True)
apporx_0005 = cv2.approxPolyDP(max_area_con,arc_0005,True)
con_copy = con.copy()
con_0005 = cv2.drawContours(con_copy,[apporx_0005],contourIdx=-1,color=(255,0,0),thickness=3)
cv2.imshow('con',con)
cv2.waitKey(0)
cv2.imshow('con_0005',con_0005)
cv2.waitKey(0)

运行结果：

2.3 近似轮廓测试

原图：

代码展示：

import cv2
con = cv2.imread('kl.jpg')
con_0 = cv2.imread('kl.jpg',0)
r,con_binary = cv2.threshold(con_0,125,255,cv2.THRESH_BINARY)
_,contours,hier = cv2.findContours(con_binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
arc_0005= 0.005*cv2.arcLength(contours[1],True)
arc_001 = 0.01*cv2.arcLength(contours[1],True)
arc_005 = 0.05*cv2.arcLength(contours[1],True)
apporx_0005 = cv2.approxPolyDP(contours[1],arc_0005,True)
apporx_001 = cv2.approxPolyDP(contours[1],arc_001,True)
apporx_005 = cv2.approxPolyDP(contours[1],arc_005,True)
con_copy = con.copy()
con_0005 = cv2.drawContours(con_copy,[apporx_0005],contourIdx=-1,color=(0,0,255),thickness=3)
con_copy = con.copy()
con_001 = cv2.drawContours(con_copy,[apporx_001],contourIdx=-1,color=(0,0,255),thickness=3)
con_copy = con.copy()
con_005 = cv2.drawContours(con_copy,[apporx_005],contourIdx=-1,color=(0,0,255),thickness=3)
cv2.imshow('con',con)
cv2.waitKey(0)
cv2.imshow('con_0005 ',con_0005)
cv2.waitKey(0)
# #
cv2.imshow('con_001',con_001)
cv2.waitKey(0)
cv2.imshow('con_005 ',con_005)
cv2.waitKey(0)

运行结果：

3 绘制圆形矩形轮廓

---

3.1 圆形函数和参数

• (x,y),m = cv2.minEnclosingCircle(contours[7])
  • （x,y)坐标,m，圆形轮廓半径
  • contours[7]，轮廓
• circle = cv2.circle(con_copy,(int(x),int(y)),int(m),(255,0,0),2)
  • con_copy，绘制图像
  • (int(x),int(y)),int(m)，坐标和半径，要求是整数
  • (255,0,0)颜色,2线条大小
  • circle，返回的绘制好的图像

3.2 矩形函数和参数

• x,y,w,h = cv2.boundingRect(contours[7])
  • x,y,w,h （x,y)起始坐标，矩形轮廓宽高
• rectangle = cv2.rectangle(con_copy,(x,y),(x+w,y+h),(255,0,0),2)
• (x,y)起始坐标,(x+w,y+h)矩形结束坐标

3.3 实际测试

原图：

代码展示：

import cv2
con = cv2.imread('con.png')
con_0 = cv2.imread('con.png',0)
r,con_binary = cv2.threshold(con_0,125,255,cv2.THRESH_BINARY)
_,contours,hier = cv2.findContours(con_binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
(x,y),m = cv2.minEnclosingCircle(contours[7])
con_copy = con.copy()
circle = cv2.circle(con_copy,(int(x),int(y)),int(m),(255,0,0),2)
x,y,w,h = cv2.boundingRect(contours[7])
con_copy = con.copy()
rectangle = cv2.rectangle(con_copy,(x,y),(x+w,y+h),(255,0,0),2)
cv2.imshow('circle',circle)
cv2.waitKey(0)
cv2.imshow('rectangle',rectangle)
cv2.waitKey(0)

运行结果：