OpenCV 实战：绘制花朵的精确轮廓与近似轮廓

在计算机视觉领域，轮廓检测与轮廓近似是图像分析的基础操作。本文将以 "hua.png" 为例，使用 OpenCV 在同一窗口内完成两个核心操作：用红色绘制花朵的精确外部轮廓，用绿色绘制基于周长比例的近似轮廓，帮助新手理解轮廓检测的核心逻辑与实操技巧。

一、知识点与环境准备

1.1 关键概念

轮廓：图像中连续的、相同像素值的点组成的曲线，是物体边界的数字化表示。
轮廓近似 ：通过减少轮廓点的数量，用更简洁的多边形逼近原始轮廓（本文使用 Douglas-Peucker 算法），ε（近似精度）是核心参数，本文设置为轮廓周长的 0.005。
OpenCV 颜色规则 ：默认使用 BGR 格式，红色为(0,0,255)，绿色为(0,255,0)。

1.2 环境准备

确保安装 OpenCV 库：

复制代码

pip install opencv-python

二、完整代码实现与分步解析

1. 完整可运行代码

python 复制代码

import cv2

# 1. 读取并预处理图像
hua = cv2.imread('hua.png')  # 读取原图（BGR格式）
if hua is None:
    raise ValueError("未找到'hua.png'，请检查文件路径是否正确！")

hua_gray = cv2.cvtColor(hua, cv2.COLOR_BGR2GRAY)  # 转为灰度图（简化计算）
# 二值化处理：将灰度图转为黑白，240为阈值，高于240设为255（白），低于设为0（黑）
ret, hua_binary = cv2.threshold(hua_gray, 240, 255, cv2.THRESH_BINARY)

# 2. 检测轮廓
# RETR_TREE：检索所有轮廓并建立层级关系；CHAIN_APPROX_NONE：保留所有轮廓点
contours, hierarchy = cv2.findContours(hua_binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
print(f"检测到的轮廓数量：{len(contours)}")

# 3. 筛选有效轮廓（按面积排序，取最大的轮廓，避免干扰）
# 按轮廓面积降序排序，取第1个（索引0为最大，需根据实际调整）
sort_cnt = sorted(contours, key=cv2.contourArea, reverse=True)[0]

# 4. 创建原图副本（避免修改原图）
image_copy = hua.copy()

# 5. 绘制红色精确轮廓
# contourIdx=-1：绘制指定轮廓；thickness=3：轮廓线宽度
cv2.drawContours(image_copy, [sort_cnt], contourIdx=-1, color=(0, 0, 255), thickness=3)

# 6. 计算近似轮廓并绘制绿色近似轮廓
# 计算轮廓周长（True表示轮廓闭合）
perimeter = cv2.arcLength(sort_cnt, True)
epsilon = 0.005 * perimeter  # 近似精度：周长的0.005
approx = cv2.approxPolyDP(sort_cnt, epsilon, True)  # 计算近似轮廓
cv2.drawContours(image_copy, [approx], contourIdx=-1, color=(0, 255, 0), thickness=2)

# 7. 显示结果（同一窗口展示红色精确轮廓+绿色近似轮廓）
cv2.imshow('花朵轮廓（红：精确 绿：近似）', image_copy)
cv2.waitKey(0)  # 等待按键输入（任意键关闭窗口）
cv2.destroyAllWindows()  # 释放窗口资源

2.关键步骤解析

步骤 1：图像预处理

灰度转换：将 3 通道的彩色图转为单通道灰度图，减少计算量，是轮廓检测的前置操作。
二值化：通过阈值分割（threshold）将图像转为黑白，突出物体边界，240是经验阈值，可根据图片亮度调整（若花朵偏暗，可降低阈值）。

步骤 2：轮廓检测

cv2.findContours是核心函数，返回值说明：

contours：轮廓列表，每个轮廓是N×1×2的数组（存储轮廓点坐标）。
hierarchy：轮廓层级关系，本文未使用，仅作为返回值接收。

步骤 3：筛选有效轮廓

通过cv2.contourArea计算轮廓面积，排序后取最大轮廓，避免背景噪点形成的小轮廓干扰（原代码取索引 1，需根据实际图片调整，本文改为索引 0 更通用）。

步骤 4-6：绘制轮廓

绘制精确轮廓：使用红色(0,0,255)，线宽 3，突出原始轮廓。
轮廓近似核心公式：epsilon = 0.005 * cv2.arcLength(sort_cnt, True)，cv2.arcLength计算闭合轮廓的周长，cv2.approxPolyDP生成近似轮廓，最后用绿色(0,255,0)绘制。

步骤 7：结果展示

cv2.imshow在同一窗口展示最终效果，cv2.waitKey(0)等待用户操作，cv2.destroyAllWindows()避免窗口残留。