OPEN CV系列二：图像处理（二）

### 图像轮廓  (轮廓不同于边缘，连接在一起的才叫轮廓)
#### cv2.findContours(img, mode, method)
#### mode: 轮廓检索模式
- RETR_EXTERNAL: 只检索最外面的轮廓
- RETR_LIST: 检索所有的轮廓，并将其保存在一条链表当中
- RETR_CCOMP: 检索所有的轮廓，并将他们组织为俩层：顶层是各部分的外部边界，第二层是空洞的边界
- RETR_TREE: 检索所有的轮廓，并重构嵌套轮廓的整个层次

#### method:轮廓逼近方法
- CHAIN_APPROX_NONE: 以Freeman链码的方式输出轮廓，所有其他方法输出多边形（顶点的序列）
- CHAIN_APPROX_SIMPLE: 压缩水平的、垂直的和斜的部分，也就是：函数只保留他们的终点部分

### 为了更高的准确率，使用二值图像

import cv2
img = cv2.imread(‘1.jpg‘)  # 读数据
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 转换灰度图
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)  # 图像阈值 二值处理（0， 255）
def cv_show(img, name):
    cv2.imshow(name, img)
    cv2.waitKey()
    cv2.destroyAllWindows()
cv_show(thresh, ‘thresh‘)

binary, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)  # 检测函数

### 绘制轮廓

# 传入绘制图像，轮廓，轮廓索引，颜色模式，线条厚度
# 注意传入的模型需要copy,因为函数实在原图像上进行轮廓绘制的
cv_show(img, ‘img‘)
draw_img = img.copy()
res = cv2.drawContours(draw_img, contours, -1, (0, 0, 255), 2)  # （图片， 轮廓信息， 画第几个轮廓，（B,G,R）, 线条宽度）
cv_show(res, ‘res‘)

### 轮廓特征

len(contours)  # 轮廓个数

cnt = contours[10]
cv2.contourArea(cnt)  # 轮廓面积

cv2.arcLength(cnt, True)  # 轮廓周长， True表示闭合

 

### 轮廓近似

import cv2
def cv_show(img, name):
    cv2.imshow(name, img)
    cv2.waitKey()
    cv2.destroyAllWindows()
img = cv2.imread(‘3.jpg‘)  # 读数据
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 转换灰度图
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)  # 图像阈值 二值处理（0， 255）
binary, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)  # 检测函数
print(len(contours))
cnt = contours[66]
draw_img = img.copy()
res = cv2.drawContours(draw_img, [cnt], -1, (0, 0, 255), 2)  # （图片， 轮廓信息， 画第几个轮廓，（B,G,R）, 线条宽度）
cv_show(res, ‘res‘)