图像轮廓
2020-02-21 本文已影响0人
陨星落云
图像轮廓
-
什么是轮廓
轮廓可以简单认为成将连续的点(连着边界)连在一起的曲线,具有相同的颜色或者灰度。轮廓在形状分析和物体的检测和识别中很有用。 -
怎样查找轮廓
cv2.findContours(image, mode, method[, offset]) #寻找一个二值图像的轮廓。注意黑色表示背景,白色表示物体,即在黑色背景里寻找白色物体的轮廓
参数:
image:8位单通道图像。非零像素值视为1,所以图像视作二值图像
mode:轮廓检索的方式mode 轮廓检索的方式 cv2.RETR_EXTERNAL 只检索外部轮廓 cv2.RETR_LIST 检测所有轮廓且不建立层次结构 cv2.RETR_CCOMP 检测所有轮廓,建立两级层次结构 cv2.RETR_TREE 检测所有轮廓,建立完整的层次结构 method:轮廓近似的方法
method 轮廓近似的方法 cv2.CHAIN_APPROX_NONE 存储所有的轮廓点 cv2.CHAIN_APPROX_SIMPLE 压缩水平,垂直和对角线段,只留下端点。 例如矩形轮廓可以用4个点编码。 cv2.CHAIN_APPROX_TC89_L1 使用Teh-Chini chain近似算法 offset:(可选参数)轮廓点的偏移量,格式为tuple,如(-10,10)表示轮廓点沿X负方向偏移10个像素点,沿Y正方向偏移10个像素点
返回值
contours:轮廓点。列表格式,每一个元素为一个3维数组(其形状为(n,1,2),其中n表示轮廓点个数,2表示像素点坐标),表示一个轮廓
hierarchy:轮廓间的层次关系,为三维数组,形状为(1,n,4),其中n表示轮廓总个数,4指的是用4个数表示各轮廓间的相互关系。第一个数表示同级轮廓的下一个轮廓编号,第二个数表示同级轮廓的上一个轮廓的编号,第三个数表示该轮廓下一级轮廓的编号,第四个数表示该轮廓的上一级轮廓的编号。例:查找轮廓
import cv2 import numpy as np img = cv2.imread("lena.jpg") # BGR转灰度图像 img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) # 二值化 ret,thresh = cv2.threshold(img_gray,127,255,0) # 查找轮廓 image,contours,hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE) cv2.imshow('img',img) # 原图 cv2.imshow('image',image) # 轮廓图 cv2.waitKey(0) cv2.destroyAllWindows()
输出结果:
- 绘制轮廓
cv2.drawContours(image, cnt, -1, (0, 0, 255), 2)
参数
第一个参数:绘制图像
第二个参数:findContours函数返回的轮廓参数
第三个参数:画第几个轮廓,-1表示画出所有轮廓
第四个参数:轮廓颜色的RGB值
第五个参数:轮廓的宽度
例:绘制轮廓
import cv2
import numpy as np
img = cv2.imread("lena.jpg")
# BGR转灰度图像
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# 二值化
ret,thresh = cv2.threshold(img_gray,127,255,0)
# 查找轮廓
image,contours,hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
# 绘制轮廓
img = cv2.drawContours(img,contours,-1,(0,255,0),1)
cv2.imshow('img',img) # 在原图上绘制轮廓
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果:
绘制轮廓.png参考资料:
《OpenCV-Python 中文教程》
参考网站:
https://blog.csdn.net/qq_40344307/article/details/92183919