OpenCV(三十四)：绘制轮廓

什么是轮廓（Contour）

在 OpenCV 中，轮廓是一组连续的点构成的曲线，用于表示图像中某一目标的边界。它基于二值图像搜寻边界，因此轮廓检测通常配合阈值或边缘检测一起使用。

轮廓在图像处理中的典型用途包括：

目标检测与定位
形状匹配
物体面积/周长测量
应用如目标计数、分割、识别

OpenCV 将轮廓视为 numpy 数组的集合，每个轮廓是一个坐标点序列。

轮廓提取原理

输入图像必须是二值图或边缘图

cv2.findContours() 依赖 黑白清晰的边界，它通过扫描二值图寻找像素连接，形成线条式轮廓。

常用输入：

二值图：cv2.threshold()
边缘图：cv2.Canny()

查找方式（Retrieval Mode）

OpenCV 提供不同的轮廓结构方式：

模式	含义
`cv2.RETR_EXTERNAL`	仅提取最外层轮廓
`cv2.RETR_LIST`	提取所有轮廓，不建立层级关系
`cv2.RETR_TREE`	提取所有轮廓，并生成完整层级树结构
`cv2.RETR_CCOMP`	提取所有，将外轮廓与洞作为不同层组织

轮廓逼近方式（Approximation Mode）

模式	含义
`cv2.CHAIN_APPROX_NONE`	保存所有边界点
`cv2.CHAIN_APPROX_SIMPLE`	去除冗余点，仅保存直线拐点（常用）

绘制轮廓（DrawContours ）

绘制使用：

python 复制代码

cv2.drawContours(image, contours, index, color, thickness)

参数说明：

contours：轮廓列表
index：选择第几个轮廓；-1 表示全部绘制
color：绘制颜色
thickness：线条粗细，-1 表示填充轮廓内区域

OpenCV 绘制轮廓本质上是将点序列连成多段线，从而形成封闭区域。

轮廓常用属性计算

周长（Arc Length）

python 复制代码

cv2.arcLength(contour, closed=True)

面积（Area）

python 复制代码

cv2.contourArea(contour)

外接矩形

普通外接矩形：cv2.boundingRect()
最小外接矩形（任意倾斜）：cv2.minAreaRect()

最小包围圆

python 复制代码

cv2.minEnclosingCircle()

轮廓逼近（Douglas-Peucker）

python 复制代码

approx = cv2.approxPolyDP(contour, epsilon, True)

用于判断形状（三角形、矩形等）。

示例

读取 → 灰度化 → 二值化 → 轮廓提取 → 绘制 → 计算面积/周长 → 轮廓逼近

python 复制代码

import cv2
import numpy as np

# =========================
# 1. 自己画一个图片
# =========================
img = np.zeros((400, 400, 3), dtype=np.uint8)  # 黑色背景

# 画一个白色矩形
cv2.rectangle(img, (50, 50), (150, 150), (255, 255, 255), -1)

# 画一个白色圆
cv2.circle(img, (300, 100), 50, (255, 255, 255), -1)

# 画一个白色多边形（三角形）
pts = np.array([[200, 250], [300, 350], [100, 350]], np.int32)
cv2.fillPoly(img, [pts], (255, 255, 255))

# 转灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)


# =========================
# 2. 二值化
# =========================
ret, thresh = cv2.threshold(gray, 120, 255, cv2.THRESH_BINARY)


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

print("轮廓数量：", len(contours))


# =========================
# 4. 绘制所有轮廓
# =========================
cv2.drawContours(img, contours, -1, (0, 255, 0), 2)


# =========================
# 5. 遍历轮廓并分析
# =========================
for i, cnt in enumerate(contours):
    area = cv2.contourArea(cnt)
    length = cv2.arcLength(cnt, True)

    print(f"轮廓 {i}: 面积={area:.2f}, 周长={length:.2f}")

    # 轮廓逼近
    epsilon = 0.02 * length
    approx = cv2.approxPolyDP(cnt, epsilon, True)

    # 绘制逼近轮廓（红色）
    cv2.drawContours(img, [approx], -1, (0, 0, 255), 2)

    # 绘制外接矩形（蓝色）
    x, y, w, h = cv2.boundingRect(cnt)
    cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)


# =========================
# 6. 显示结果
# =========================
cv2.imshow("Binary", thresh)
cv2.imshow("Contours Result", img)
cvcv2.waitKey(0)
cv2.destroyAllWindows()

执行结果：