OpenCV之cv2.findContours（Python）

概述

cv2.findContours 是 OpenCV 中一个强大的工具，用于从图像中检测轮廓。该函数能够识别图像中的边界，并返回这些边界的坐标。通过合理配置参数，可以控制轮廓的检测模式和近似方法，满足不同的应用需求。

输入参数解析

image

输入图像需为二值化图像（灰度图）或单色图。建议先使用 cv2.cvtColor 将彩色图像转换为灰度图。

mode

控制轮廓的检测模式：
- cv2.RETR_EXTERNAL：仅检测外轮廓。
- cv2.RETR_LIST：不建立轮廓等级关系。
- cv2.RETR_CCOMP：建立两层等级轮廓，上层为外轮廓，内层为内孔边界（内孔内连通物体的边界也会被包含）。
- cv2.RETR_TREE：建立层级化的轮廓树结构。

method

控制轮廓近似方法：
- cv2.CHAIN_APPROX_NOME：存储所有轮廓点，相邻点间像素差不超过1。
- cv2.CHAIN_APPROX_SIMPLE：压缩轮廓点，只保留各方向的终点坐标。例如，矩形只需4个点。
- cv2.CHAIN_APPROX_TC89_L1 和 cv2.CHAIN_APPROX_TC89_KCOS：基于不同距离度量的近似方法。

返回参数解析

contours

返回的轮廓列表，每个轮廓由一个或多个点组成。

hierarchy

每个轮廓的属性信息，包括轮廓的等级和父节点信息。

实际应用示例

import cv2# 读取图像并转换为灰度img = cv2.imread('contours2.png')gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 阈值分割，获得二值图ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)# 检测轮廓binary, contours, hierarchy = cv2.findContours(    thresh,     cv2.RETR_TREE,     cv2.CHAIN_APPROX_NONE)# 获取第一个轮廓cnt = contours[0]# 轮廓近似epsilon = 0.1 * cv2.arcLength(cnt, True)approx = cv2.approxPolyDP(cnt, epsilon, True)# 绘制近似轮廓draw_img = img.copy()ret = cv2.drawContours(    draw_img,     [approx],     -1,     (0, 0, 255),     2)# 显示结果cv2.imshow('ret', ret)

辅助工具说明

二值化图像：使用 cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 将彩色图像转换为灰度图。

轮廓面积计算：使用 cv2.contourArea(cnt) 计算轮廓的面积。

轮廓周长计算：使用 cv2.arcLength(cnt, True) 计算轮廓的周长。

轮廓近似：通过设置阈值 epsilon，控制近似程度。例如：

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

外接矩形：使用 cv2.boundingRect(cnt) 获取轮廓的最小包围矩形。

外接圆：使用 cv2.minEnclosingCircle(cnt) 获取轮廓的最小包围圆。

绘图参数说明

color：线的颜色值，例如 (0, 0, 255) 表示红色。

thickness：线的宽度，-1 表示填充模式。

lineType：线类型，默认值通常可用。

hierarchy：轮廓的层级信息。

maxLevel：绘制的最大等级。

offset：偏移量，用于调整绘图位置。

通过合理配置这些参数，可以在图像中清晰地显示出所检测的轮廓。

转载地址：http://qrsfk.baihongyu.com/

你可能感兴趣的文章