1.1什么是輪廓? ?cv2.findContours()

輪廓可以簡(jiǎn)單認(rèn)為成連續(xù)的點(diǎn)（連著邊界）連在一起的曲線，具有相同的顏色或者灰度。輪廓在形狀分析和物體的檢測(cè)和識(shí)別中很有用。為了準(zhǔn)確，要使用二值化圖像。需要進(jìn)行閥值化處理或者Canny邊界檢測(cè)。查找輪廓的函數(shù)會(huì)修改原始圖像。如果之后想繼續(xù)使用原始圖像，應(yīng)該將原始圖像儲(chǔ)存到其他變量中。在OpenCV中，查找輪廓就像在黑色背景中超白色物體。你應(yīng)該記住，要找的物體應(yīng)該是白色而背景應(yīng)該是黑色。

如何在一個(gè)二值圖像中查找輪廓。

函數(shù)cv2.findContours()有三個(gè)參數(shù)，第一個(gè)是輸入圖像，第二個(gè)是輪廓檢索模式，第三個(gè)是輪廓近似方法。返回值有三個(gè)，第一個(gè)是圖像，第二個(gè)是輪廓，第三個(gè)是（輪廓的）層析結(jié)構(gòu)。輪廓（第二個(gè)返回值）是一個(gè)Python列表，其中儲(chǔ)存這圖像中所有輪廓。每一個(gè)輪廓都是一個(gè)Numpy數(shù)組，包含對(duì)象邊界點(diǎn)（x，y）的坐標(biāo)。

1.2怎樣繪制輪廓?cv2.drawContours()

函數(shù)cv2.drawContours()可以被用來(lái)繪制輪廓。它可以根據(jù)你提供的邊界點(diǎn)繪制任何形狀。它的第一個(gè)參數(shù)是原始圖像，第二個(gè)參數(shù)是輪廓，一個(gè)python列表，第三個(gè)參數(shù)是輪廓的索引（在繪制獨(dú)立輪廓是很有用，當(dāng)設(shè)置為-1時(shí)繪制所有輪廓）。接下來(lái)的參數(shù)是輪廓的顏色和厚度。

在一幅圖像上繪制所有的輪廓：

img = cv2.imread('gray.png')

imgray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

ret,thresh = cv2.threshold(imgray,127,255,0)

image ,contours,hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

#繪制所有輪廓

#imag = cv2.drawContours(img,contours,-1,(0,255,0),3)

#繪制獨(dú)立輪廓，如第四個(gè)輪廓

# imag = cv2.drawContours(img,contours,3,(0,255,0),3)

#但是大多數(shù)時(shí)候，下面方法更有用

cnt = contours[3]

imag = cv2.drawContours(img, [cnt], 0, (0,255,0), 3)

while(1):

????cv2.imshow('img',img)

????cv2.imshow('imgray',imgray)

????cv2.imshow('image',image)

????cv2.imshow('imag',imag)

????if cv2.waitKey(1) == ord('q'): break

cv2.destroyAllWindows()

1.3輪廓的近似方法

之前提到輪廓是一個(gè)形狀具有相同灰度值的邊界，它會(huì)存儲(chǔ)形狀邊界上所有的（x,y）坐標(biāo)。實(shí)際上我們不需要所有的點(diǎn)，當(dāng)需要直線時(shí)，找到兩個(gè)端點(diǎn)即可。cv2.CHAIN_APPROX_SIMPLE可以實(shí)現(xiàn)。它會(huì)將輪廓上的冗余點(diǎn)去掉，壓縮輪廓，從而節(jié)省內(nèi)存開支。

2. 輪廓特征

2.1矩??cv2.moments()

圖像的矩可以幫助我們計(jì)算圖像的質(zhì)心，面積等。

函數(shù)cv2.moments()會(huì)將計(jì)算得到的矩以一個(gè)字典的形式返回。

img = cv2.imread('rectangle.png',0)

ret,thresh = cv2.threshold(img,127,255,0)

image,contours,hierarchy=cv2.findContours(thresh,1,2)

cnt=contours[0]

M=cv2.moments(cnt)

print(M)

根據(jù)這些矩的值，我們可以計(jì)算出對(duì)象的重心：

cx=int(M['m10']/M['m00'])

cy=int(M['m01']/M['m00'])

2.2輪廓面積??cv2.contourArea()

可以使用函數(shù)cv2.contourArea()計(jì)算得到，也可以用矩（0階矩），M['m00']。

area=cv2.contourArea(cnt)

2.3輪廓周長(zhǎng)??cv2.arcLength()

也被稱為弧長(zhǎng)?？梢允褂煤瘮?shù)cv2.arcLength()計(jì)算得到。這個(gè)函數(shù)的第二參數(shù)可以用來(lái)指定對(duì)象的形狀是閉合的（True），還是打開的（一條曲線）。

perimeter= cv2.arcLength(cnt,True)

2.4輪廓近似??cv2.approxPolyDP()

將輪廓形狀近似到另外一種由更少點(diǎn)組成的輪廓形狀，新輪廓的點(diǎn)的數(shù)目由我們?cè)O(shè)定的準(zhǔn)確度來(lái)決定，使用的Douglas-Peucker算法。

算法步驟

連接曲線首尾兩點(diǎn)A、B形成一條直線AB；

計(jì)算曲線上離該直線段距離最大的點(diǎn)C，計(jì)算其與AB的距離d；

比較該距離與預(yù)先給定的閾值threshold的大小，如果小于threshold，則以該直線作為曲線的近似，該段曲線處理完畢。

如果距離大于閾值，則用點(diǎn)C將曲線分為兩段AC和BC，并分別對(duì)兩段曲線進(jìn)行步驟[1~3]的處理。

當(dāng)所有曲線都處理完畢后，依次連接各個(gè)分割點(diǎn)形成折線，作為原曲線的近似。

假設(shè)我們要在一幅圖像中查找一個(gè)矩形，但是由于圖像的種種原因我們不能得到一個(gè)完美的矩形，而是一個(gè)“壞形狀”，現(xiàn)在就可以使用這個(gè)函數(shù)來(lái)近似這個(gè)形狀，第二個(gè)參數(shù)是epsilon，它是從原始輪廓到近似輪廓的最大距離，它是一個(gè)準(zhǔn)確度參數(shù)。

epsilon=0.1*cv2.arcLength(cnt,True)

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

temp = cv2.cvtColor(image.copy(), cv2.COLOR_GRAY2BGR)

cv2.drawContours(temp, [approx], -1, (0, 255, 0), 2)

epsilon2=0.01*cv2.arcLength(cnt,True)

approx2= cv2.approxPolyDP(cnt,epsilon2,True)

temp2 = cv2.cvtColor(image.copy(), cv2.COLOR_GRAY2BGR)

cv2.drawContours(temp2, [approx2], -1, (0, 255, 0), 2)

plt.subplot(231),plt.imshow(img,'gray'),plt.title('original')

plt.subplot(232),plt.imshow(temp,'gray'),plt.title(' epsilon = 10%')

plt.subplot(233),plt.imshow(temp2,'gray'),plt.title(' epsilon = 1%')

plt.show()

2.5凸包??cv2.convexHull()

凸包與輪廓近似相似，但不同，雖然有些情況下它們給出的結(jié)果是一樣的。函數(shù)cv2.convexHull()可以用來(lái)檢測(cè)一個(gè)曲線是否具有凸性缺陷，并能糾正缺陷。一般來(lái)說(shuō)，凸性曲線總是凸出來(lái)的，至少是平的。如果有地方凹進(jìn)去了就被叫做凸性缺陷。例如下圖中的手，紅色曲線顯示了手的凸包，凸性缺陷被雙箭頭標(biāo)出來(lái)了。

hull= cv2.convexHull(points,hull,clockwise,returnPoints)

參數(shù)：

points我們要傳入的輪廓

hull輸出，通常不需要

clockwise方向標(biāo)志，如果設(shè)置為True，輸出的凸包是順時(shí)針?lè)较虻?，否則為逆時(shí)針?lè)较颉?/p>

returnPoints默認(rèn)值為True。它會(huì)返回凸包上點(diǎn)的坐標(biāo)，如果設(shè)置為False，就會(huì)返回與凸包點(diǎn)對(duì)應(yīng)的輪廓上的點(diǎn)。

要獲得上圖的凸包，可以用下面命令：

hull=cv2.convexHull(cnt)

但是如果你想獲得凸性缺陷，需要把returnPoints設(shè)置為False。以上面矩形為例，首先我們找到他的輪廓從cnt?，F(xiàn)在把returnPoints設(shè)置為True查找凸包，得到的就是矩形的四個(gè)角點(diǎn)。把returnPoints設(shè)置為False，得到的是輪廓點(diǎn)的索引。

2.6凸性檢測(cè)??cv2.isContourConvex()

函數(shù)cv2.isContourConvex()可以檢測(cè)一個(gè)曲線是不是凸的。它只能返回True或者False。

k=cv2.isContourConvex(cnt)

2.7邊界矩形? ?cv2.boundingRect()? ?cv2.minAreaRect()

直邊界矩形，一個(gè)直矩形，沒(méi)有旋轉(zhuǎn)。不會(huì)考慮對(duì)象是否旋轉(zhuǎn)。所以邊界矩形的面積不是最小的?？梢允褂煤瘮?shù)cv2.boundingRect()查找得到

#（x,y）為矩形左上角的坐標(biāo)，（w,h）是矩形的寬和高

x,y,w,h=cv2.boundingRect(cnt)

img=cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)

旋轉(zhuǎn)的邊界矩形，這個(gè)邊界矩形是面積最小的，因?yàn)樗紤]了對(duì)象的旋轉(zhuǎn)。用函數(shù)cv2.minAreaRect()。返回的是一個(gè)Box2D結(jié)構(gòu)，其中包含矩形最上角角點(diǎn)坐標(biāo)（x，y）矩形的寬和高（w,h）以及旋轉(zhuǎn)角度。但是要繪制這個(gè)矩形需要矩形的4個(gè)角點(diǎn)，可以通過(guò)函數(shù)cv2.boxPoints()獲得。

其中綠色的為直矩形，紅色為旋轉(zhuǎn)矩形。

2.8最小外接圓??cv2.minEnclosingCircle()

函數(shù)cv2.minEnclosingCircle()可以幫我們找到一個(gè)對(duì)象的外接圓。它是所有能夠包括對(duì)象的圓中面積最小的一個(gè)。

(x,y),radius = cv2.minEnclosingCircle(cnt)

center = (int(x),int(y))

radius = int(radius)

img = cv2.circle(img,center,radius,(0,255,0),2)

2.9橢圓擬合??cv2.ellipse()

使用函數(shù)cv2.ellipse()，返回值其實(shí)就是旋轉(zhuǎn)邊界矩形的內(nèi)切圓。

ellipse= cv2.fitEllipse(cnt)

img= cv2.ellipse(img,ellipse,(0,255,0),2)

2.10直線擬合

可以根據(jù)一組點(diǎn)擬合出一條直線，同樣我們也可以為圖像中的白色點(diǎn)擬合出一條直線。

rows,cols =img.shape[:2]

[vx,vy,x,y]=cv2.fitLine(cnt,cv2.DIST_L2,0,0.01,0.01)

lefty=int((x*vy/vx)+y)

righty=int(((cols-x)*vy/vx)+y)

img= cv2.line(img,(cols-1,righty),(0,lefty),(0,255,0),2)

3.輪廓的性質(zhì)

3.1長(zhǎng)寬比? ?cv2.boundingRect()

邊界矩形的寬高比

x,y,w,h=cv2.boundingRect(cnt)

aspect_ratio = float(w)/h

3.2.Extent? ?cv2.contourArea()? ?cv2.boundingRect()

輪廓面積與邊界矩形面積的比

area=cv2.contourArea(cnt)

x,y,w,h=cv2.boundingRect(cnt)

rect_area=w*h

extent=float(area)/rect_area

3.3.Solidity? ??cv2.contourArea()? ??cv2.convexHull()

輪廓面積與凸包面積的比

area=cv2.contourArea(cnt)

hull=cv2.convexHull(cnt)

hull_area=cv2.contourArea(hull)

solidity=float(area)/hull_area

3.4.與輪廓面積相等的圓形的直徑? ?cv2.contourArea()?

area=cv2.contourArea(cnt)

equi_diameter=np.sqrt(4*area/np.pi)

3.5.方向??cv2.fitEllipse()

對(duì)象的方向，下面的方法還會(huì)返回長(zhǎng)軸和短軸的長(zhǎng)度

(x,y),(MA,ma),angle=cv2.fitEllipse(cnt)

3.6.掩模和像素點(diǎn)

有時(shí)我們需要構(gòu)成對(duì)象的所有像素點(diǎn)

mask=np.zeros(imgray.shate,np.uint8)

#這里一定要使用參數(shù)-1，繪制填充的輪廓

cv2.drawContours(mask,[cnt],0,255,-1)

pixelpoints=np.transpose(np.nonzero(mask))

3.7.最大值和最小值及它們的位置??cv2.minMaxLoc()

可以使用掩模圖像得到這些參數(shù)

min_val,max_val,min_loc,max_loc=cv2.minMaxLoc(imgray,mask=mask)

3.8.平均顏色及平均灰度? ?cv2.mean()

同樣使用相同的掩模來(lái)求得

mean_val=cv2.mean(im,mask=mask)

3.9.極點(diǎn)

一個(gè)對(duì)象最上，最下，最左，和最右的點(diǎn)

leftmost=tuple(cnt[cnt[:,:,0].argmin()[0])

rightmost=tuple(cnt[cnt[:,:,0].argmax()[0])

topmost=tuple(cnt[cnt[:,:,1].argmin()[0])

bottommost=tuple(cnt[cnt[:,:,1].argmax()[0])