欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

Python+opencv学习记录20:轮廓发现

程序员文章站 2024-01-28 09:44:10
...

1.轮廓发现

轮廓发现是基于图像边缘提取的基础寻找对象轮廓的方法,所以边缘提取的阈值选定会影响最终轮廓发现结果。

1.1发现轮廓

在此步骤中我们会使用到findContours这个API,其原型为:

cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]])  

注:opencv3会返回三个值,分别是img, countours, hierarchy;
而opencv4中只有 countours, hierarchy两个返回值

第一个参数是寻找轮廓的图像;
第二个参数表示轮廓的检索模式,有四种:
(1)RETR_EXTERNAL表示只检测外轮廓
(2)RETR_LIST检测的轮廓不建立等级关系
(3)RETR_CCOMP建立两个等级的轮廓,上面的一层为外边界,里面的一层为内孔的边界信息
(4)RETR_TREE建立一个等级树结构的轮廓
其中最常用的是第一种和第四种。
第三个参数method为轮廓的近似办法:
(1)CHAIN_APPROX_NONE存储所有的轮廓点,相邻的两个点的像素位置差不超过1,即max(abs(x1-x2),abs(y2-y1))==1
(2)CHAIN_APPROX_SIMPLE压缩水平方向,垂直方向,对角线方向的元素,只保留该方向的终点坐标,例如一个矩形轮廓只需4个点来保存轮廓信息
(3)CHAIN_APPROX_TC89_L1,CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法

1.2绘制轮廓

在绘制轮廓时我们会用到drawContours该API,其原型为:

cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset ]]]]])  

第一个参数是指明在哪幅图像上绘制轮廓;
第二个参数是是轮廓本身,在Python中是一个list;
第三个参数指定绘制轮廓list中的哪条轮廓,如果是-1,则绘制其中的所有轮廓;
之后的参数分别为线的颜色和线宽。

2.操作步骤

1.转换图像为二值化图像:threshold方法或者Canny边缘提取获取的都是二值化图像;
2.通过二值化图像寻找轮廓:findContours;
3.描绘轮廓:drawContours。

2.1阈值法获取轮廓

其代码为:

def conters_demo(image):
    dst = cv.GaussianBlur(image, (3, 3), 0)         # 图像降噪模糊
    gray = cv.cvtColor(dst, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_OTSU | cv.THRESH_BINARY)# 用大律法、全局自适应阈值方法进行图像二值化
    cv.imshow("binary_image", binary)

    contours, heriachy = cv.findContours(binary, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)    # RETR_TREE检测内部
    # contours, heriachy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)  # RETR_EXTERNAL检测外部轮廓
    for i, contour in enumerate(contours):
        cv.drawContours(image, contours, i, (0, 0, 255), 2)         # 绘制轮廓
        # cv.drawContours(image, contours, i, (0, 0, 255), -1)        # 填充轮廓
        print(i)
    cv.imshow("detect_contours", image)

原图为:
Python+opencv学习记录20:轮廓发现
经过二值化后:
Python+opencv学习记录20:轮廓发现
绘制其轮廓后:
Python+opencv学习记录20:轮廓发现

2.2使用Canny边缘检测获取轮廓

代码为:

def edge_demo(image):
    blur = cv.GaussianBlur(image, (3, 3), 0)        # 降低噪声
    gray = cv.cvtColor(blur, cv.COLOR_BGR2GRAY)
    # x方向的梯度
    xgrad = cv.Sobel(gray, cv.CV_16SC1, 1, 0)
    # y方向的梯度
    ygrad = cv.Sobel(gray, cv.CV_16SC1, 0, 1)
    # 求出图像的边缘
    edge_output = cv.Canny(xgrad, ygrad, 50, 150)
    cv.imshow("Canny_Edge", edge_output)
    return edge_output


def conters_demo(image):
    binary = edge_demo(image)

    contours, heriachy = cv.findContours(binary, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)    # RETR_TREE检测内部
    # contours, heriachy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)  # RETR_EXTERNAL检测外部轮廓
    for i, contour in enumerate(contours):
        cv.drawContours(image, contours, i, (0, 0, 255), 2)         # 绘制轮廓
        # cv.drawContours(image, contours, i, (0, 0, 255), -1)        # 填充轮廓
        print(i)
    cv.imshow("detect_contours", image)

Canny边缘检测后的结果为:
Python+opencv学习记录20:轮廓发现
绘制其轮廓为:
Python+opencv学习记录20:轮廓发现

完整代码

import cv2 as cv                # 导入opencv模块
import numpy as np              # 导入数学函数库


def edge_demo(image):
    blur = cv.GaussianBlur(image, (3, 3), 0)        # 降低噪声
    gray = cv.cvtColor(blur, cv.COLOR_BGR2GRAY)
    # x方向的梯度
    xgrad = cv.Sobel(gray, cv.CV_16SC1, 1, 0)
    # y方向的梯度
    ygrad = cv.Sobel(gray, cv.CV_16SC1, 0, 1)
    # 求出图像的边缘
    edge_output = cv.Canny(xgrad, ygrad, 50, 150)
    cv.imshow("Canny_Edge", edge_output)
    return edge_output


def conters_demo(image):
    """"""
    dst = cv.GaussianBlur(image, (3, 3), 0)         # 图像降噪模糊
    gray = cv.cvtColor(dst, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_OTSU | cv.THRESH_BINARY)# 用大律法、全局自适应阈值方法进行图像二值化
    cv.imshow("binary_image", binary)


    # binary = edge_demo(image)

    contours, heriachy = cv.findContours(binary, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)    # RETR_TREE检测内部
    # contours, heriachy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)  # RETR_EXTERNAL检测外部轮廓
    for i, contour in enumerate(contours):
        cv.drawContours(image, contours, i, (0, 0, 255), 2)         # 绘制轮廓
        # cv.drawContours(image, contours, i, (0, 0, 255), -1)        # 填充轮廓
        print(i)
    cv.imshow("detect_contours", image)


print("------------hello python!------------")

src = cv.imread("D:/opencv3/image/huafen.jpg")
cv.namedWindow("input_image", cv.WINDOW_AUTOSIZE)
cv.imshow("input_image", src)
conters_demo(src)

cv.waitKey(0)
cv.destroyAllWindows()          # 释放所有窗口