對(duì)圖像處理時(shí)，會(huì)遇到這樣一個(gè)場(chǎng)景：找到圖像主體輪廓，這是其一，可能為了凸顯輪廓，需要用指定的顏色進(jìn)行標(biāo)記；輪廓標(biāo)記完可能任務(wù)還沒有結(jié)束，還需對(duì)輪廓所勾勒的像素面積區(qū)域統(tǒng)計(jì)計(jì)算。

本篇文章的主要內(nèi)容就是要解決上面場(chǎng)景遇到的三個(gè)問問題

找到圖像主題輪廓；

用指定顏色對(duì)源圖像進(jìn)行輪廓標(biāo)記；

計(jì)算輪廓中的主體;

實(shí)驗(yàn)環(huán)境配置為 Python + Opencv 3.4， 處理的圖像如下：

第一步，提取輪廓，Opencv 中的 findContours() 函數(shù) 可以直接提取輪廓，但對(duì)輸入圖像有一定要求

一，輸入的圖像必須是單通道，三通道不允許；

二，輸入的圖像數(shù)據(jù)類型需是 8UC1；否則程序會(huì)報(bào)錯(cuò)的，報(bào)錯(cuò)信息如下：

error: (-210) [start]FindContours supports only CV_8UC1 images when mode != CV_RETR_FLOODFILL otherwise supports CV_32SC1 images only in function cvStartFindContours_Impl

解決方法，在讀取時(shí)加入下面這行代碼進(jìn)行數(shù)據(jù)格式轉(zhuǎn)換，同時(shí)解決上面兩個(gè)問題:

mat_img2 = cv2.imread(img_path,cv2.CV_8UC1)

三、輸入的圖像背景需是黑色的，否則輪廓提取失敗，就以本次圖像為例，如果直接提取效果如下：

圖片最外層是一層黑色部分，所以最終結(jié)果就是標(biāo)記最外層；對(duì)這類背景非黑色的圖片做輪廓提取時(shí)，需要進(jìn)行預(yù)處理：把背景變?yōu)楹谏?/p>

提供一個(gè)簡(jiǎn)單辦法，閾值化處理：設(shè)定一個(gè)閾值 Threshold 和一個(gè)指定值 OutsideValue ，當(dāng)圖像中像素滿足某種條件(大于或小于設(shè)定的閾值時(shí))，像素值發(fā)生變化。

自適應(yīng)閾值化分割

這里用到的是 Opencv 提供的自適應(yīng)閾值分割算法，其函數(shù)格式為:

dst=cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C)

src 需要分割的圖像( adarray 類型)；

maxValue ,滿足條件是替換的像素值，等價(jià)于上面提到的 OutsideValue；

adaptiveMetheod: 自適應(yīng)閾值分割算法，Opencv 中提供兩種方法

1，ADAPTIVE_THRESH_MEAN_C : 最后的像素值 $T(x,y)$ 為原像素值 $(x,y)$ $blocksize*blocksize$ 區(qū)域像素的平均值 $C$;

2，ADAPTIVE_THRESH_GAUSSIAN_C : 最后像素值 $T(x,y)$ 為原像素值 $(x,y)$ 附近 $blocksize*blocksize$ 區(qū)域大小最小值 $C$;

thresholdType 閾值分割方法，Opencv 提供了5 種；

1，THRESH_BINARY:

$$

dst(x,y) = \left{

\begin{aligned}

maxval & &if\ src(x,y)>thresh\

0 & & otherwise\

\end{aligned}

\right.

$$

2，THRESH_BINARY_INV:

$$

dst(x,y) = \left{

\begin{aligned}

0 & &if\ src(x,y)>thresh\

maxval & & otherwise\

\end{aligned}

\right.

$$

3，THRESH_TRUNC:

$$

dst(x,y)=\left{

\begin{aligned}

threshold & & if\ src(x,y)>thresh\

src(x,y)& &otherwise\

\end{aligned}

\right.

$$

4，THRESH_TOZERO:

$$

dst(x,y)=\left{\begin{aligned}src(x,y) & & if\ src(x,y)>thresh\0& &otherwise\\end{aligned}\right.

$$

5，THRESH_TOZERO_INV;

$$

dst(x,y)=\left{\begin{aligned}0 & & if\ src(x,y)>thresh\src(x,y)& &otherwise\\end{aligned}\right.

$$

dst : 返回的閾值分割圖像(是 ndarray 類型)

下面這行代碼就是本次實(shí)驗(yàn)設(shè)置的參數(shù)：

dst = cv2.adaptiveThreshold(mat_img2,210,cv2.BORDER_REPLICATE,cv2.THRESH_BINARY_INV,3,10)

自適應(yīng)閾值分割的結(jié)果：

輪廓提取

接下來就是進(jìn)行輪廓提取了，用到的函數(shù)：

image, contours, hierarchy=cv2.findContours(image, mode, method)

image 返回的圖像，在 Opencv 4.0 之后就沒有這個(gè)參數(shù)了；

contours 標(biāo)記的輪廓，以 list 形式存在，每個(gè)輪廓中都包含了輪廓像素的坐標(biāo)向量；

hierarchy 表示輪廓的繼承關(guān)系，一般用不到;d

image 后面image 表示需要標(biāo)記輪廓的圖像，以 ndarray 格式存在；

mode 標(biāo)記輪廓的模式，Opencv 提供了4種；

1，RETR_EXTERNAL；只提取整體外部輪廓；

2，RETR_LIST； 提取所有輪廓，不需要建立任何繼承關(guān)系；

3， RETR_CCOMP ；提取所有輪廓，最后形成連個(gè)水平集，外面一個(gè)，內(nèi)部一個(gè)；

4， RETR_TREE ；提取所有輪廓，構(gòu)建等級(jí)關(guān)系(父子繼承關(guān)系)

method :輪廓近似點(diǎn)連接方式，例如一個(gè)長(zhǎng)方形，可以由數(shù)百個(gè)點(diǎn)連接而成，單節(jié)省內(nèi)存的方式就是找到四個(gè)角點(diǎn)即可；

其中前者為 CHAIN_APPROX_NONE 后者為 CHAIN_APPROX_SIMPLE

這里分別對(duì) mode 設(shè)置不同的參數(shù)，一個(gè)設(shè)為 RETR_TREE (提取全部輪廓)，一個(gè)設(shè)置 RETR_EXTRENAL (只提取最外部輪廓 )；可以看一下提取輪廓效果：

RETR_TREE 結(jié)果：

RETR_EXTRENAL 結(jié)果：

是不是感受到了mode 不同導(dǎo)致輪廓的差距；一般只提取一個(gè)輪廓用 RETR_EXTRENAL，多個(gè)的話用 RETR_TREE；

輪廓標(biāo)記

對(duì)輪廓顏色繪制，用到 的函數(shù)

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

image 繪制輪廓的圖像 ndarray 格式；

contours ,findContours 函數(shù)找到的輪廓列表；

contourIdx 繪制輪廓的索引數(shù)，取整數(shù)時(shí)繪制特定索引的輪廓，為負(fù)值時(shí)，繪制全部輪廓；

color 繪制輪廓所用到的顏色，這里需要提醒一下， 想使用 RGB 彩色繪制時(shí)，必須保證 輸入的 image 為三通道，否則輪廓線非黑即白；

thickness ，用于繪制輪廓線條的寬度，取負(fù)值時(shí)將繪制整個(gè)輪廓區(qū)域；

以下就是分別取 thickness 為3(左)、-3(右) 繪制的結(jié)果

輪廓區(qū)域面積計(jì)算

最后計(jì)算輪廓面積，用到 cv2.contourArea(contour) 函數(shù)，里面的參數(shù)指的就是計(jì)算的輪廓

area = 0

for i in contours:

area += cv2.contourArea(i)

print(area)

>>>16397.5 #最后結(jié)果

本篇文章用到的完整代碼如下：

import cv2

img_path = "E:/data_ceshi/images.jpg"

#讀取文件

mat_img = cv2.imread(img_path)

mat_img2 = cv2.imread(img_path,cv2.CV_8UC1)

#自適應(yīng)分割

dst = cv2.adaptiveThreshold(mat_img2,210,cv2.BORDER_REPLICATE,cv2.THRESH_BINARY_INV,3,10)

#提取輪廓

img,contours,heridency = cv2.findContours(dst,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

#標(biāo)記輪廓

cv2.drawContours(mat_img,contours,-1,(255,0,255),3)

#計(jì)算輪廓面積

area = 0

for i in contours:

area += cv2.contourArea(i)

print(area)

#圖像show

cv2.imshow("window1",mat_img)

cv2.waitKey(0)

總結(jié)

以上是生活随笔為你收集整理的python opencv轮廓提取_Python + Opencv2 实现轮廓提取，轮廓区域面积计算的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。