Python OpenCV 图像轮廓查找与绘制详解

图像轮廓概念

轮廓是由一系列相连点构成的曲线，用于表征物体的基本外形。虽然轮廓与边缘概念相似，但二者存在区别：轮廓是连续的，而边缘未必连续（见下图）。在应用层面，边缘特征多用于图像区分（如人脸与手部识别），而轮廓则侧重于形态分析（如计算周长和面积），可以说边缘包含了轮廓的信息。

寻找轮廓的操作通常针对二值图像，因此一般需要先通过阈值分割或Canny边缘检测算法生成二值图。

注意：寻找轮廓针对的是白色物体，必须确保物体为白色且背景为黑色，否则可能会错误地提取到图片最外围的边框。

opencv找出图像轮廓

使用cv.findContours()函数来寻找轮廓：

import cv2 as cv
import numpy as np

img = cv.imread('j.png')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
ret, thresh = cv.threshold(img_gray, 0, 255, cv.THRESH_BINARY_INV + cv.THRESH_OTSU)

# 寻找二值图像的轮廓
contours, hierarchy = cv.findContours(
  thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)

print(len(contours))

• 参数2指定轮廓的查找方式，通常使用cv.RETR_TREE，表示提取所有轮廓并建立它们之间的层级关系。
• 参数3指定轮廓的近似方法。例如对于一条直线，可以存储其所有像素点，也可以仅存储起点和终点。使用cv.CHAIN_APPROX_SIMPLE表示用尽可能少的像素点来表示轮廓。
• 为简便起见，这两个参数也可以直接使用数值3和2来表示。
• 该函数返回两个值，hierarchy表示轮廓间的层级关系，通常可以忽略。我们主要关注contours，它记录了找到的所有轮廓，以链表形式存储，包含每条轮廓上所有像素点的坐标(x,y)。

opencv绘制图像轮廓

找到轮廓后，可以像图中那样用红色将其绘制出来：cv.drawContours()。

cv.drawContours(img, contours, -1, (0, 0, 255), 2) 其中参数2为获取的contours，参数3指定要绘制的轮廓编号，-1表示绘制所有轮廓，参数4为颜色（B/G/R通道，因此(0,0,255)代表红色），参数5为线条宽度。

经验之谈：很多人在绘图时使用了彩色却未生效，请检查绘图目标图像。在灰度图或二值图上绘制彩色线条显然无法显示颜色效果。

通常情况下，我们会先获取需要操作的特定轮廓，再进行绘制和分析： cnt = contours[1] cv.drawContours(img, [cnt], 0, (0, 0, 255), 2)

实验：找出并绘制图像轮廓

import cv2 as cv
import numpy as np

img = cv.imread('jiao.jpg')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
ret, thresh = cv.threshold(img_gray, 0, 255, cv.THRESH_BINARY_INV + cv.THRESH_OTSU)

# 寻找二值图像的轮廓
contours, hierarchy = cv.findContours(
  thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
cnt = contours[1:6]

cv.drawContours(img, cnt, -1, (0, 0, 255), 2)

cv.imshow('result',img)
cv.waitKey(0)
cv.destroyAllWindows()

实验结果

以上就是python 基于opencv 绘制图像轮廓的详细内容，更多关于python 绘制图像轮廓的资料请关注本站其它相关文章！