【python-opencv】轮廓基本绘制

标签：检测   mic   示例   对象检测   nbsp   pat   cve   删除   注意   

什么是轮廓？

轮廓可以简单地解释为连接具有相同颜色或强度的所有连续点（沿边界）的曲线。轮廓是用于形状分析以及对象检测和识别的有用工具。

• 为了获得更高的准确性，请使用二进制图像。因此，在找到轮廓之前，请应用阈值或canny边缘检测。
• 从OpenCV 3.2开始，findContours()不再修改源图像。
• 在OpenCV中，找到轮廓就像从黑色背景中找到白色物体。因此请记住，要找到的对象应该是白色，背景应该是黑色。

findcontour()函数中有三个参数，第一个是源图像，第二个是轮廓检索模式，第三个是轮廓逼近方法。输出等高线和层次结构。轮廓是图像中所有轮廓的Python列表。每个单独的轮廓是一个(x,y)坐标的Numpy数组的边界点的对象。

注意 稍后我们将详细讨论第二和第三个参数以及有关层次结构。在此之前，代码示例中赋予它们的值将适用于所有图像。

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
from google.colab.patches import cv2_imshow
img=cv.imread(‘轮廓.jpg‘)
imgray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
ret, thresh = cv.threshold(imgray, 127, 255, 0)
contours, hierarchy = cv.findContours(thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)

如何绘制轮廓？

要绘制轮廓，请使用cv.drawContours函数。只要有边界点，它也可以用来绘制任何形状。它的第一个参数是源图像，第二个参数是应该作为Python列表传递的轮廓，第三个参数是轮廓的索引（在绘制单个轮廓时有用。要绘制所有轮廓，请传递-1），其余参数是颜色，厚度等等

• 在图像中绘制所有轮廓： python cv.drawContours(img, contours, -1, (0,255,0), 3)

• 绘制单个轮廓，如第四个轮廓： python cv.drawContours(img, contours, 3, (0,255,0), 3)

• 但是在大多数情况下，以下方法会很有用： python cnt = contours[4] cv.drawContours(img, [cnt], 0, (0,255,0), 3)

注意 最后两种方法相似，但是前进时，您会发现最后一种更有用。

cv.drawContours(img, contours, -1, (0,255,0), 3)
cv2_imshow(img)

结果：很多人画图时明明用了彩色，但没有效果，请检查你是在哪个图上画，画在灰度图和二值图上显然是没有彩色的(⊙o⊙)

 轮廓近似方法？

这是cv.findContours函数中的第三个参数。它实际上表示什么？

上面我们告诉我们轮廓是强度相同的形状的边界。它存储形状边界的(x,y)坐标。但是它存储所有坐标吗？这是通过这种轮廓近似方法指定的。

如果传递cv.CHAIN_APPROX_NONE，则将存储所有边界点。但是实际上我们需要所有这些要点吗？例如，您找到了一条直线的轮廓。您是否需要线上的所有点来代表该线？不，我们只需要该线的两个端点即可。这就是cv.CHAIN_APPROX_SIMPLE所做的。它删除所有冗余点并压缩轮廓，从而节省内存。

下面的矩形图像演示了此技术。只需在轮廓数组中的所有坐标上绘制一个圆（以蓝色绘制）。第一幅图像显示了我用cv.CHAIN_APPROX_NONE获得的积分（734个点），第二幅图像显示了我用cv.CHAIN_APPROX_SIMPLE获得的效果（只有4个点）。看，它可以节省多少内存！！！

参考：http://woshicver.com/FifthSection/4_9_1_OpenCV%E4%B8%AD%E7%9A%84%E8%BD%AE%E5%BB%93/

【python-opencv】轮廓基本绘制

标签：检测   mic   示例   对象检测   nbsp   pat   cve   删除   注意   

原文地址：https://www.cnblogs.com/xiximayou/p/13151533.html