目录
[1. 什么是图像轮廓？](#1. 什么是图像轮廓？)
[2. 查找图像轮廓](#2. 查找图像轮廓)
[2.1 接口定义](#2.1 接口定义)
[2.2 参数说明](#2.2 参数说明)
[2.3 代码示例](#2.3 代码示例)
[2.4 运行结果](#2.4 运行结果)
[3. 绘制图像轮廓](#3. 绘制图像轮廓)
[3.1 接口定义](#3.1 接口定义)
[3.2 参数说明](#3.2 参数说明)
[3.3 代码示例](#3.3 代码示例)
[3.4 运行结果](#3.4 运行结果)
[4. 计算轮廓周长](#4. 计算轮廓周长)
[5. 计算轮廓面积](#5. 计算轮廓面积)
[6. 示例：计算图像轮廓的面积与周长](#6. 示例：计算图像轮廓的面积与周长)
[7. 应用场景](#7. 应用场景)
相关阅读
简述
在图像处理领域，轮廓是图像中物体的边界或形状信息的表达方式。通过提取轮廓，可以对图像中的目标进行识别、测量和分析。本文将从概念到实际操作详细介绍图像轮廓及其相关操作，并展示如何在 OpenCV 中实现。
1. 什么是图像轮廓？
图像轮廓是图像中物体边界的闭合曲线，表示具有相同强度或颜色像素的连接路径。它是一种重要的图像特征，常用于形状分析和对象检测。
特点
- 轮廓基于二值图像计算，必须先将输入图像转换为二值图。
- OpenCV 提供的轮廓查找算法将视图像中的白色区域为前景（目标）。
- 轮廓的方向可以是顺时针或逆时针。
2. 查找图像轮廓
OpenCV 提供了 cv2.findContours() 函数来查找图像的轮廓。
2.1 接口定义
python
contours, hierarchy = cv2.findContours(image, mode, method)2.2 参数说明
image：输入的二值图像（通常是灰度图的阈值化结果）。
mode：轮廓的检索模式，常见值：
- cv2.RETR_EXTERNAL：只检测最外层轮廓。
- cv2.RETR_LIST：检测所有轮廓，不建立层级关系。
- cv2.RETR_TREE：检测所有轮廓，并构建完整层级关系。
method：轮廓的近似方法：
- cv2.CHAIN_APPROX_NONE：存储所有的轮廓点。
- cv2.CHAIN_APPROX_SIMPLE：只存储必要的轮廓点，压缩水平和垂直冗余点。
返回值：
- contours：检测到的轮廓列表，每个轮廓是一个 Numpy 数组。
- hierarchy：每个轮廓的层级关系。
2.3 代码示例
python
import cv2
# 读取图像并转为灰度图
image = cv2.imread('D:\\resource\\filter\\find_contours.png', cv2.IMREAD_GRAYSCALE)
# 二值化
_, binary_img = cv2.threshold(image, 150, 255, cv2.THRESH_BINARY)
# 轮廓查找
#contours, hierarchy = cv2.findContours(binary_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
contours, hierarchy = cv2.findContours(binary_img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
print(contours)
# 显示图像
cv2.imshow('image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()示例说明：
- 当前示例使用的图像为：白色背景，中间画了一个黑色的矩形。
- 用win11自带的画图软件画出来的，并非纯粹的黑白图像，在代码中最好进行二值化处理。
- 该示例的作用是将图像中所有轮廓的必要点打印出来。
2.4 运行结果
打印结果显示的是：图像必要的轮廓点。
该图像包含2个轮廓 ：
- 最外层的白色背景边框。
- 中间黑色矩形边框。
3. 绘制图像轮廓
OpenCV 提供了 cv2.drawContours() 函数用于绘制轮廓。
3.1 接口定义
python
cv2.drawContours(image, contours, contourIdx, color, thickness)3.2 参数说明
image：目标图像，轮廓将绘制在此图像上。
contours：轮廓数据，cv2.findContours() 的输出。
contourIdx：指定绘制的轮廓索引：
- -1：绘制所有轮廓。
- >=0：绘制特定索引的轮廓。
color：绘制轮廓的颜色（BGR 格式）。
thickness：线条粗细，-1 表示填充轮廓。
3.3 代码示例
python
import cv2
# 读取图像
image = cv2.imread('D:\\resource\\filter\\find_contours.png')
# 转为灰度图
gray_img = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 二值化
_, binary_img = cv2.threshold(gray_img, 150, 255, cv2.THRESH_BINARY)
# 轮廓查找
contours, hierarchy = cv2.findContours(binary_img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 绘制轮廓
result = cv2.drawContours(image, contours, -1, (0,0,255), 2)
# 显示图像
cv2.imshow('result', result)
cv2.waitKey(0)
cv2.destroyAllWindows()示例说明：
- 依旧使用同一张图片。
- 该示例的作用是将图像中所有的轮廓用红色的线条绘制出来，其中线条的粗细数值为2。
3.4 运行结果
将图像中所有的轮廓绘制出来：
4. 计算轮廓周长
OpenCV 提供了 cv2.arcLength() 函数计算轮廓的周长。
接口定义
python
perimeter = cv2.arcLength(curve, closed)参数说明
curve：输入轮廓点。closed：布尔值，是否将轮廓视为闭合曲线。
返回值：
轮廓的周长（浮点数）。
5. 计算轮廓面积
OpenCV 提供了 cv2.contourArea() 函数计算轮廓的面积。
接口定义：
python
area = cv2.contourArea(contour)参数说明：
- **
contour：**输入轮廓点。
返回值：
轮廓的面积（浮点数）。
6. 示例：计算图像轮廓的面积与周长
示例如下：
python
import cv2
# 读取图像
image = cv2.imread('D:\\resource\\filter\\find_contours.png')
# 转为灰度图
gray_img = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 二值化
_, binary_img = cv2.threshold(gray_img, 150, 255, cv2.THRESH_BINARY)
# 轮廓查找
#contours, hierarchy = cv2.findContours(binary_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
contours, hierarchy = cv2.findContours(binary_img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# print(contours)
# 绘制轮廓
#result = cv2.drawContours(image, contours, -1, (0,0,255), 2)
# 计算面积
area = cv2.contourArea(contours[1])
print("area=%d"%(area))
# 计算周长
len = cv2.arcLength(contours[1], True)
print("len=%d"%(len))
# 显示图像
#cv2.imshow('image', image)
#cv2.imshow('result', result)
cv2.waitKey(0)
cv2.destroyAllWindows()示例说明：
- 依旧使用同一张图像。
- 查找图像轮廓，取索引为1的轮廓。
- 计算其面积与周长，并打印出来。
打印输出：
PS D:\code\opencv_python> & "D:/Program Files/Python38-32/python.exe" d:/code/opencv_python/calc_contours.py
area=35951
len=769
PS D:\code\opencv_python>
7. 应用场景
- 目标检测与识别：通过轮廓提取图像中的特定对象。
- 形状分析：计算周长、面积等几何属性。
- 物体测量：用于测量物体的尺寸和外观特征。