基礎版筆記目錄：
python3+opencv學習筆記匯總目錄（適合基礎入門學習）
進階版筆記目錄鏈接：
python+opencv進階版學習筆記目錄（適合有一定基礎）

輪廓發現

1輪廓發現介紹
基礎版講解：
opencv學習筆記20：圖像輪廓

2輪廓發現API
cv2.findContours()
cv2.drawContours()
通過cv2.findContours() 查找輪廓在哪里，再通過 cv2.drawContours()將查找的輪廓繪制出來。

contours,hierarchy=cv2.findContours(image,mode,method)
contours：輪廓
hierarchy:圖像的拓撲信息（輪廓層次）（存儲上一個輪廓，父輪廓…）
image：二值圖像
mode:輪廓檢索方式
method:輪廓的近似方法

r=cv2.drawContours(image, contours, contourIdx, color[, thickness])
r:目標圖像
image:原始圖像
contours: 所有的輸入輪廓邊緣數組
contourIdx ：需要繪制的邊緣索引，如果全部繪制為-1。如果有多個目標，可以繪制第一個目標0，第二個目標1，第三個目標2.。。
color：繪制的顏色，為BGR格式的SCalar
thickness:可選，繪制的密度，即輪廓的畫筆粗細

import cv2 as cv import numpy as np#邊緣提取 def edge_demo(image):blurred = cv.GaussianBlur(image, (3, 3), 0)#去噪gray = cv.cvtColor(blurred, cv.COLOR_BGR2GRAY)# X Gradientxgrad = cv.Sobel(gray, cv.CV_16SC1, 1, 0)# Y Gradientygrad = cv.Sobel(gray, cv.CV_16SC1, 0, 1)#edge#edge_output = cv.Canny(xgrad, ygrad, 50, 150)edge_output = cv.Canny(gray, 30, 100)cv.imshow("Canny Edge", edge_output)return edge_outputdef contours_demo(image):"""dst = cv.GaussianBlur(image, (3, 3), 0)gray = cv.cvtColor(dst, cv.COLOR_BGR2GRAY)ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)#cv.THRESH_OTSU自動尋找閾值cv.imshow("binary image", binary)"""binary = edge_demo(image)#邊緣提取后的二值圖像contours, heriachy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)for i, contour in enumerate(contours):cv.drawContours(image, contours, i, (0, 0, 255), 2)cv.imshow("detect contours", image) print("--------- Python OpenCV Tutorial ---------") src = cv.imread("daqiu.jpg") cv.namedWindow("input image", cv.WINDOW_AUTOSIZE) cv.imshow("input image", src) contours_demo(src) cv.waitKey(0) cv.destroyAllWindows()

前面是通過邊緣提取，然后再來尋找輪廓的。

改用
基于圖像二值化方法 來提取

def contours_demo(image):dst = cv.GaussianBlur(image, (3, 3), 0)gray = cv.cvtColor(dst, cv.COLOR_BGR2GRAY)ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)#cv.THRESH_OTSU自動尋找閾值cv.imshow("binary image", binary)#binary = edge_demo(image)#邊緣提取后的二值圖像contours, heriachy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)for i, contour in enumerate(contours):cv.drawContours(image, contours, i, (0, 0, 255), 2)cv.imshow("detect contours", image)

差點意思，還是基于邊緣提取更好。

對象測量

對象測量：對找到的圖像輪廓，計算它弧長與面積，多邊形擬合，幾何矩計算

多邊形擬合API
獲取輪廓的多邊形擬合結果
cv2.approxPolyDP(contour，epsilon，close)
參數：
contour 輪廓
epsilon越小越折線越逼近真實形狀
close – 是否為閉合區域

輸出的是多邊形點集

import cv2 as cv import numpy as npdef measure_object(image):gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV | cv.THRESH_OTSU)print("threshold value : %s"%ret)#打印閾值cv.imshow("binary image", binary)#顯示二值圖像dst = cv.cvtColor(binary, cv.COLOR_GRAY2BGR)contours, hireachy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)for i, contour in enumerate(contours):area = cv.contourArea(contour)# 求輪廓面積x, y, w, h = cv.boundingRect(contour)# 求輪廓外接矩形rate = min(w, h)/max(w, h)print("rectangle rate : %s"%rate)#寬高比mm = cv.moments(contour)# 求幾何矩,返回字典類型print(type(mm))# 求得圖形的重心坐標cx = mm['m10']/mm['m00']cy = mm['m01']/mm['m00']cv.circle(dst, (np.int(cx), np.int(cy)), 3, (0, 255, 255), -1)#繪制輪廓中心cv.rectangle(dst, (x, y), (x+w, y+h), (0, 0, 255), 2)#在原圖上，給輪廓繪制矩形print("contour area %s"%area)cv.imshow("measure-contours", dst)print("--------- Python OpenCV Tutorial ---------") src = cv.imread("shuzi.jpg") src=cv.resize(src,None,fx=0.5,fy=0.5) cv.namedWindow("input image", cv.WINDOW_AUTOSIZE) cv.imshow("input image", src) measure_object(src) cv.waitKey(0) cv.destroyAllWindows()

計算出啦每個數字的面積，寬高比，可以用于簡單數字識別
注意 原圖中數字為黑色， 需要反二值化 ，使數字為輪廓，因為輪廓為白色

注意事項：有些圖太小時，cx = mm['m10']/mm['m00'] cy = mm['m01']/mm['m00'] 出現分母為0，報錯。所以得首先把圖放大
如src=cv.resize(src,None,fx=1.5,fy=1.5)

算例2

import cv2 as cv import numpy as npdef measure_object(image):gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)print("threshold value : %s"%ret)#打印閾值cv.imshow("binary image", binary)#顯示二值圖像dst = cv.cvtColor(binary, cv.COLOR_GRAY2BGR)contours, hireachy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)for i, contour in enumerate(contours):area = cv.contourArea(contour)# 求輪廓面積x, y, w, h = cv.boundingRect(contour)# 求輪廓外接矩形rate = min(w, h)/max(w, h)#print("rectangle rate : %s"%rate)mm = cv.moments(contour)# 求幾何矩,返回字典類型print(type(mm))# 求得圖形的重心坐標cx = mm['m10']/mm['m00']cy = mm['m01']/mm['m00']cv.circle(dst, (np.int(cx), np.int(cy)), 3, (0, 255, 255), -1)#繪制輪廓中心#cv.rectangle(dst, (x, y), (x+w, y+h), (0, 0, 255), 2)#print("contour area %s"%area)#輪廓多邊形擬合approxCurve = cv.approxPolyDP(contour,2, True)#print(approxCurve.shape)print(approxCurve.shape)#輪廓擬合if approxCurve.shape[0] > 6:cv.drawContours(dst, contours, i, (0, 255, 0), 2)#i表示第幾個輪廓if approxCurve.shape[0] == 4:cv.drawContours(dst, contours, i, (0, 0, 255), 2)if approxCurve.shape[0] == 3:cv.drawContours(dst, contours, i, (255, 0, 0), 2)cv.imshow("measure-contours", dst) print("--------- Python OpenCV Tutorial ---------") src = cv.imread("duobianxin.jpg") src=cv.resize(src,None,fx=1.5,fy=1.5) cv.namedWindow("input image", cv.WINDOW_AUTOSIZE) cv.imshow("input image", src) measure_object(src) cv.waitKey(0)cv.destroyAllWindows()

部分print(approxCurve.shape)數據如下
approxCurve.shape 有三維數據，第一維表示輪廓可以由幾條線繪制出來，如三角形由三條直線就可繪制。如if approxCurve.shape[0] == 3: cv.drawContours(dst, contours, i, (255, 0, 0), 2)
圖中藍色均有3條繪制

同樣要注意圖的大小

電氣專業的計算機萌新，寫博文不容易。如果你覺得本文對你有用，請點個贊支持下，謝謝。

總結

以上是生活随笔為你收集整理的opencv进阶学习笔记12：轮廓发现和对象测量的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。