-
轮廓查找
contours, hierarchy = cv2.findContours(image, mode, method)image:输入图像,必须是 8 位单通道二值图(黑白图)。mode:轮廓检索模式。cv2.RETR_EXTERNAL:只检测最外层轮廓。cv2.RETR_LIST:检测所有轮廓,不建立层级关系。cv2.RETR_TREE:检测所有轮廓,并建立完整的层级关系(父子关系)。
method:轮廓近似方法。cv2.CHAIN_APPROX_NONE:存储轮廓上所有点。cv2.CHAIN_APPROX_SIMPLE:只存储关键角点,压缩数据(如矩形只存4个顶点)。
-
绘制轮廓
cv2.drawContours(image, contours, contourIdx, color, thickness)image:要绘制轮廓的目标图像(可以是原图或空白图)。contours:findContours返回的轮廓列表。contourIdx:要绘制的轮廓索引,-1表示绘制所有轮廓。color:轮廓颜色,BGR 格式,如(0, 0, 255)为红色。thickness:线条粗细,-1表示填充轮廓内部。
-
计算面积
area = cv2.contourArea(contour)contour:单个轮廓,从contours列表中取出。- 返回值:轮廓所围区域的面积(像素数)。
-
计算周长
perimeter = cv2.arcLength(contour, closed)contour:单个轮廓。closed:是否闭合,True表示轮廓是闭合的。- 返回值:轮廓的周长(像素长度)。
import cv2
import numpy as np
# 读取图片
img = cv2.imread('contours.png')
# 转为灰度图(单通道)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化:灰度值大于150的变为255(白),其余变为0(黑)
ret, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
# 查找轮廓
# 返回 contours(轮廓列表)和 hierarchy(层级关系)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 绘制所有轮廓到原图上,红色,填充
cv2.drawContours(img, contours, -1, (0, 0, 255), -1)
# 计算第一个轮廓的面积
area = cv2.contourArea(contours[0])
print("area=%d" % area)
# 计算第一个轮廓的周长(闭合)
perimeter = cv2.arcLength(contours[0], True)
print("len=%d" % perimeter)
# 显示结果
cv2.imshow('ct', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
approxPolyDP (多边形拟合)
作用:
用较少且平滑的直线段来近似表示一个复杂的轮廓。常用于提取物体的几何形状(如把圆角矩形简化为矩形,把五角星简化为五边形),是形状识别中非常常用的函数。
参数含义:
approx = cv2.approxPolyDP(curve, epsilon, closed)
curve:输入的轮廓点,通常是一个形状为(M, 1, 2)的数组。epsilon:拟合精度。值越小,拟合出的多边形越接近原始轮廓,保留的点越多;值越大,拟合越粗糙,保留的点越少(通常设置为轮廓周长的 1%~5%)。closed:布尔值,设为True表示拟合一个闭合的多边形。
convexHull (凸包)
作用:
找到能够将一个轮廓(或一堆点)完全包围住的最小凸多边形。就像是用一根橡皮筋把所有钉子(轮廓上的点)紧紧包住,橡皮筋的形状就是“凸包”。常用于检测物体的凸缺陷。
参数含义:
hull = cv2.convexHull(points, returnPoints=True)
points:输入的轮廓点集,形状为(M, 1, 2)。returnPoints:布尔值。- 设为
True(默认):直接返回凸包上点的坐标,形状为(M, 1, 2)。 - 设为
False:返回凸包上的点在原轮廓数组中的索引。
- 设为
import cv2
import numpy as np
# 1. 定义图片中展示的手动连线绘制函数
def drawShape(src, points):
i = 0
while i < len(points):
# 处理最后一个点与第一个点相连(闭合图形)
if (i == len(points) - 1):
x, y = points[i][0] # 最后一个点
x1, y1 = points[0][0] # 第一个点(起点)
cv2.line(src, (x, y), (x1, y1), (0, 0, 255), 2)
# 处理常规点(当前点连向下一个点)
else:
x, y = points[i][0] # 当前点
x1, y1 = points[i+1][0] # 下一个点
cv2.line(src, (x, y), (x1, y1), (0, 0, 255), 2)
i = i + 1
# 2. 读取并预处理图片
img = cv2.imread('contours.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 3. 计算 approxPolyDP 与 convexHull
contour = contours[0]
# 多边形拟合
epsilon = 20
approx_points = cv2.approxPolyDP(contour, epsilon, True)
# 凸包检测
hull_points = cv2.convexHull(contour)
# 4. 调用手动连线函数进行绘制
# 在原图上画拟合的多边形
img_approx = img.copy()
drawShape(img_approx, approx_points)
# 在原图上画凸包
img_hull = img.copy()
drawShape(img_hull, hull_points)
# 5. 显示结果
cv2.imshow('Original', img)
cv2.imshow('ApproxPolyDP', img_approx)
cv2.imshow('ConvexHull', img_hull)
cv2.waitKey(0)
cv2.destroyAllWindows()
大外接矩形 (Bounding Rectangle)
作用:
计算轮廓的轴对齐矩形(直立矩形)。它的四条边永远平行于图像的 X 轴和 Y 轴,不考虑物体的旋转角度,仅用于快速确定物体在图像中的大致位置和大小。
参数含义:
x, y, w, h = cv2.boundingRect(contour)
contour:输入的单个轮廓点集。- 返回值:一个四元组
(x, y, w, h)x, y:矩形左上角的坐标。w:矩形的宽度。h:矩形的高度。
最小外接矩形 (Rotated Rectangle)
作用:
计算能够刚好包围轮廓的面积最小的旋转矩形。它会根据物体的倾斜度进行任意角度的旋转,比最大外接矩形更能紧密、精准地贴合不规则或倾斜的物体。
参数含义:
-
rect = cv2.minAreaRect(contour)contour:输入的单个轮廓点集。- 返回值:一个包含旋转矩形特征的元组
((cx, cy), (w, h), angle)(cx, cy):旋转矩形的中心点坐标。(w, h):矩形的宽和高。angle:矩形的旋转角度。
-
box = cv2.boxPoints(rect)rect:由minAreaRect返回的旋转矩形元组。- 返回值:一个形状为
(4, 2)的浮点数数组,代表旋转矩形的四个顶点坐标(用于绘制)。
import cv2
import numpy as np
img = cv2.imread('hello.png')
#转变为单通道
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#二值化
ret, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
#轮廓查找
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
#绘制轮廓
# cv2.drawContours(img, contours, -1, (0, 0, 255), -1)
#计算面积
# area = cv2.contourArea(contours[0])
# print("area=%d"%area)
#计算周长
# len = cv2.arcLength(contours[0], True)
# print("len=%d"%len)
#最小外接矩形
r = cv2.minAreaRect(contours[1])
box = cv2.boxPoints(r)
box = np.int0(box)
cv2.drawContours(img, [box], 0, (0, 0, 255), 2)
#最大外接矩形
x,y,w,h = cv2.boundingRect(contours[1])
cv2.rectangle(img, (x,y), (x+w, y+h), (255, 0, 0), 2)
cv2.imshow('ct',img)
cv2.waitKey(0)
转载自 CSDN-专业IT技术社区




