findcontours 轮廓坐标点获取及使用

前言：

主要是对 np数组进行分析

说明

#轮廓的数据格式
contour = np.array([[[x1, y1]], [[x2, y2]], ..., [[x80, y80]]])



#例子：
o = binary    #二值化图像 binary
contours, hierarchy = cv.findContours(o ,cv.RETR_LIST,cv.CHAIN_APPROX_SIMPLE)
print(f"contours={contours}")
"""
contours=(array([[[209, 308]],

       [[209, 313]],

       [[208, 314]],

       [[208, 315]],

       [[207, 316]],
       ....
       [[271, 314]],

       [[270, 313]],

       [[270, 308]]], dtype=int32),)
       
"""
print(len(contours)) # 1
print(contours[0].shape)  #(80, 1, 2)

假设 contour 的形状是 (80, 1, 2)，这表示该轮廓由 80 个点组成，每个点的坐标用两个数值表示（即 x 和 y 坐标）。

contour 的结构

contour 是一个三维数组：

• 第一维是点的数量（这里是 80）。

• 第二维是一个固定长度为 1 的维度，这是 OpenCV 中轮廓表示的约定格式。

• 第三维是坐标值，包含两个元素：x 坐标和 y 坐标。

contour[:, 0, 0] 的含义

• [:, 0, 0] ：表示从 contour 中提取所有点的 x 坐标。

具体来说：

• : 表示选取所有行（所有点）。

• 0 表示选取第二维的第 0 个元素（因为第二维长度为 1）。

• 0 表示选取第三维的第一个元素（即 x 坐标）。

因此，contour[:, 0, 0] 提取的是所有点的 x 坐标，形成一个一维数组。

同理 contour[:, 0, 1] 表示提取所有点的y坐标，形成一个一维数组。

例子

contour = np.array([ [[10, 20]], [[30, 40]], [[50, 60]]])
print(contour.shape) #(3, 1, 2)

print(contour[:, 0, 0])  # 结果是 [10, 30, 50]

print(contour[:, 0, 1])  # 结果是 [20, 40, 60]

"""

注意：
contour[:, 0, 0]  中
第一个元素表示所有 点  ，3个点

第二个元素 0 表示选取第二维的第 0 个元素（因为第二维长度为 1），
相当于上面第二个方括号，

第三个元素 0 表示选取第三维的第一个元素（即 x 坐标），
即 第三个方括号的 内部两个元素中的第一个

"""

参考资料

kimi