Python+OpenCV之图像轮廓详解

纸上星河

发布时间：2026-10-16 | 7人浏览过

原创

本文详细解析OpenCV中图像轮廓的提取、绘制及特征计算方法。涵盖findContours函数的检索模式与逼近方法，演示如何绘制指定索引轮廓，并深入讲解面积、周长、边界矩形及外接圆等几何特征的获取与计算，提供完整的Python代码示例。

1. 图像轮廓

1.1 findContours介绍

cv2.findContours(img, mode, method)

mode参数用于指定轮廓检索模式，决定如何构建轮廓层级结构。

RETR_EXTERNAL：仅检索最外层的轮廓，忽略内部嵌套关系；
RETR_LIST：检索所有轮廓，并将它们存储在一个扁平的列表中，不建立层级关系；
RETR_CCOMP：检索所有轮廓，并将它们组织为两层结构：第一层为各部分的外部边界，第二层为内部空洞的边界；
RETR_TREE：检索所有轮廓，并重构嵌套轮廓的完整层级树状结构；

method参数用于指定轮廓逼近方法，决定如何存储轮廓点的坐标信息。

CHAIN_APPROX_NONE：以Freeman链码的形式输出所有轮廓点，不进行任何压缩；其他方法则输出多边形顶点序列。
CHAIN_APPROX_SIMPLE：压缩水平、垂直和倾斜部分的轮廓，仅保留终点坐标，从而减少数据量并提高处理效率。

1.2 绘制轮廓

import cv2


def cv_show(img, name):
    cv2.imshow(name, img)
    cv2.waitKey()
    cv2.destroyAllWindows()


img = cv2.imread('DataPreprocessing/img/contours.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
cv_show(thresh, 'thresh')

contours.png原图展示:

contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

draw_img = img.copy()
res = cv2.drawContours(draw_img, contours, -1, (0, 0, 255), 2)
cv_show(res, 'res')

在绘制轮廓时，参数“-1”表示显示所有检测到的轮廓。颜色设置采用(B, G, R) = (0, 0, 255)，即红色，用于高亮显示全部轮廓，效果如下所示:

或者仅显示索引为1的特定轮廓，具体代码如下:

draw_img = img.copy()
res = cv2.drawContours(draw_img, contours, 1, (0, 0, 255), 2)
cv_show(res, 'res')

在上述示例中，索引为1的轮廓对应三角形的内部轮廓，而索引0对应最外层的外轮廓。

1.3 轮廓特征

cnt = contours[0]

# 面积
print("面积: ", cv2.contourArea(cnt))

# 周长，True表示闭合的
print("周长: ", cv2.arcLength(cnt, True))

输出结果如下:

面积: 8500.5 周长: 437.9482651948929

2. 轮廓近似

2.1 轮廓

contours2.png原图 :

img = cv2.imread('DataPreprocessing/img/contours2.png')

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
cnt = contours[0]

draw_img = img.copy()
res = cv2.drawContours(draw_img, [cnt], -1, (0, 0, 255), 2)
cv_show(res, 'res')

边缘检测:

原理说明：以一条弧线为例，连接其端点A和B形成线段AB。在弧线上选取一点C，计算C到线段AB的最大距离d1。若d1不小于预设阈值T，则以A和C为端点连接线段AC，并重复上述操作，计算新线段上的最大距离d2并与T比较，直至某段距离dn小于阈值T，此时该线段即为轮廓边缘的一部分。

2.2 边界矩形

img = cv2.imread('DataPreprocessing/img/contours.png')

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
cnt = contours[0]

x, y, w, h = cv2.boundingRect(cnt)
img = cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)
cv_show(img, 'img')

2.3 外界多边形及面积

area = cv2.contourArea(cnt)
x, y, w, h = cv2.boundingRect(cnt)
rect_area = w * h
extent = float(area) / rect_area
print('轮廓面积与边界矩形比', extent)

输出结果如下:

轮廓面积与边界矩形比 0.5154317244724715

外接圆形:

(x, y), radius = cv2.minEnclosingCircle(cnt)
center = (int(x), int(y))
radius = int(radius)
img = cv2.circle(img, center, radius, (0, 255, 0), 2)
cv_show(img, 'img')

结果展示: