CV14 轮廓检测：入门-CFANZ编程社区

文章目录

1.前言

轮廓检测是计算机检测图像和视频主体轮廓的重要步骤，常用于人脸检测和物体追踪等方向

本节我们将学习：边界、最小矩形及最小外接圆轮廓检测、凸轮廓Douglas-Peucker算法

2.边界、最小矩形及最小外接圆

在Opencv中确定主体的边框、最小外接矩形和圆非常简单

我们只需要使用cv2.findContours()函数即可完成

2.1程序流程

首先，从文件中读取一幅图像，并转换成灰度图
对灰度图像阈值化，使之转换为黑白图

为什么？因为cv2.findContours()函数只能读黑白图，所以需要调用cv2.threshold()函数，而阈值函数只能读灰度图

针对每一个轮廓寻找并画出边框，最小外接矩形和最小外接圆
最后，绘制轮廓并在窗口中显示

代码如下：

import cv2
import numpy as np

img = cv2.imread('hammer.jpg',cv2.IMREAD_UNCHANGED)
img = cv2.pyrDown(img)
img2 = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(img2,127, 255, cv2.THRESH_BINARY)
contours,hier = cv2.findContours(thresh,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

for c in contours:
    # 画出边框
    x,y,w,h = cv2.boundingRect(c)
    cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)

    # 找到最小外接矩形
    rect = cv2.minAreaRect(c)
    # 计算最小外接矩形的坐标
    box = cv2.boxPoints(rect)
    # 将坐标归一化为整数
    box = np.int0(box)
    # 画图
    cv2.drawContours(img,[box],0,(0,0,255),3)

    # 计算最小外接圆的半径和圆心
    (x,y),radius = cv2.minEnclosingCircle(c)
    # 转化为整数
    center = (int(x),int(y))
    radius = int(radius)
    # 画圆
    cv2.circle(img,center,radius,(255,0,255),5)

# 画轮廓
cv2.drawContours(img,contours,-1,(255,0,0),3)
cv2.imshow("contour",img)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意：轮廓检测是在黑白图像上进行的，因此该阶段颜色信息已经丢失了。但我们是在原始彩色图像上绘制的，所以显示的是彩色结果

contour1

2.2cv2.findContours()函数

2.3cv2.drawContours()函数

2.4bug的发现与解决

在写代码的过程中，发现一个小bug

我将源图片转成黑白图并在这张图上绘制轮廓（而不是在彩色图片上绘制）

如下图，第79行cv2.circle(img,center,radius,(255,0,255),5)，假设B=0，G、R>0,那么无法绘制圆形轮廓

然而，若B>0时，则会出现想要的轮廓

为什么？

# 画圆，输入参数依次为：1.图片，2.圆心，3.半径，4.颜色，5.线宽（-1表示填充整个圆形）
cv2.circle(img,(300,300),50,(0,0,255),-1)

在cv2.circle()函数中，第4个参数，若img是彩色图，那么可以用(0,0,255)表示颜色，若img是灰度图，那么只能由一个数（0~255），表示绘制线的亮度

所以，当我在灰度图中，放了一个(0,0,255)/(0,255,0)，由于灰度图只读第一个参数(这里读到的是第一个参数—— 0)，所以不会绘制任何轮廓

如果我放了(255,0,0),第一个参数不是0，那么就可以绘制出轮廓

3.凸轮廓和Douglas-Peucker算法

处理轮廓时，会遇到各种奇形怪状的图形，这时我们可用下面三条函数绘制轮廓

3.1相关程序

import cv2
import numpy as np

img = cv2.imread('hammer.jpg', cv2.IMREAD_UNCHANGED)
img = cv2.pyrDown(img)
img2 = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(img2, 127, 255, cv2.THRESH_BINARY)
contours, hier = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, -1, (255, 0, 0), 3)

for c in contours:
   epsilon = 0.01*cv2.arcLength(c,True)
   approx = cv2.approxPolyDP(c,epsilon,True)
    
   # 绘制凸形
   hull = cv2.convexHull(c)

   cv2.drawContours(img,[c],-1,(0,255,0),2)
   cv2.drawContours(img,[approx],-1,(255,0,255),2)
   cv2.drawContours(img,[hull],-1,(0,0,255),2)

cv2.imshow("contour", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

先看效果

contour

3.2cv2.approxPolyDP()函数

δ值：δ是近似多边形周长和原始轮廓线周长之差的最大值，δ值越低，近似值越接近原始轮廓

一般我们可以用轮廓的周长作为参考值：
δ = epsilon =0.01*cv2.arcLength(c,True)

epsilon = 0.01*cv2.arcLength(c,True)
approx = cv2.approxPolyDP(c,epsilon,True)

此时，δ 是原弧度的1%

4.结语

本来还想讲一下霍夫变换的，无奈本人才疏学浅，天性愚钝🤔而且霍夫变换的理论部分又晦涩难懂，便留到下一节再讲吧

讲完霍夫变换，入门篇也差不多学完了，接下来打算实战一下，把15篇博客统一整理一下。毕竟蓦然回首当初写的文章，不能说拉跨吧，只能说完全看不下去😅😅😅

或许可以整理成一本书？让我们看看接下来会发生什么哈哈哈哈哈哈🤣🤣🤣