YY分享

在计算机视觉中，轮廓检测是另外一个比较重要的任务，不单用来检测图像或视频帧中物体的轮廓，而且还有其它操作与轮廓检测有关，如：计算多边形边界、形状逼近和计算感兴趣区域。

Numpy中的矩形区域可以使用数组切片(slice)来定义，因此在介绍物体检测(包括人脸)和物体跟踪时，会大量使用这种技术。

1. 导入所需模块

import cv2
import numpy as np
from matplotlib import pyplot as plt

2. Numpy数组切片

创建一个200x200的黑色空白图像，接着利用数组切片在图像中放置一个100*100的白色方块。

img = np.zeros((200, 200), dtype=np.uint8)
img[50:150, 50:150] = 255

cv2.imshow("Original Image", img)
cv2.waitKey()
cv2.destroyAllWindows()

3. 二值化处理（官网）

cv2.threshold(src,thresh,maxval,type[,dst])

thresh : 源图像，应该是灰度图像；

thresh : 分类像素值的阈值；

maxval : 表示在像素值大于（有时小于）阈值时要给出的值；

type：对应OpenCV不同风格的阈值，有5种不同类型；

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('gradient.png',0)

#cv2.THRESH_BINARY 黑白二值化  
ret,thresh1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)    
 
#cv2.THRESH_BINARY_INV  黑白二值化反转 
ret,thresh2 = cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV)

#cv2.THRESH_TRUNC   多像素值
ret,thresh3 = cv2.threshold(img,127,255,cv2.THRESH_TRUNC)

#cv2.THRESH_TOZERO  阈值化为0
ret,thresh4 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO)

#cv2.THRESH_TOZERO_INV  反转阈值化到
ret,thresh5 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO_INV)

titles = ['Original Image','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']
images = [img, thresh1, thresh2, thresh3, thresh4, thresh5]

for i in range(6):
    plt.subplot(2,3,i+1),plt.imshow(images[i],'gray')
    plt.title(titles[i])
    plt.xticks([]),plt.yticks([])

plt.show()

4. 查找轮廓

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

image: 所需寻找轮廓的图像，8位单通道太图像。零像素保持为0，非零像素视为1；

mode: 轮廓的检索模式；

method: 为轮廓的近似办法；

返回值: cv2.findContours()函数返回两个值，一个是轮廓本身，还有一个是每条轮廓对应的属性。 

'''
mode: 轮廓的检索模式，有如下四种：
    cv2.RETR_EXTERNAL: 只检测外轮廓，为所有轮廓设置阶层；
    cv2.RETR_LIST: 检测所有轮廓而不建立层次关系
    cv2.RETR_CCOMP: 检测所有轮廓，建立两个等级的轮廓； 上面一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层。
    cv2.RETR_TREE: 检测所有轮廓并重建一个等级树结构的轮廓。

method: 为轮廓的近似办法：
    cv2.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
    cv2.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
    cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法    
'''

image, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
color = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)

5. 绘制图像轮廓

函数cv2.drawContours()被用来绘制轮廓，它可以根据你提供的边界点绘制任何形状。

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

image: 目标图像，

contours: 所有输入轮廓。每个轮廓都存储为点矢量，

contourIdx: 绘制轮廓的索引（在绘制独立轮廓是很有用，当设置为-1时绘制所有轮廓）。

color: 轮廓的颜色。

img = cv2.drawContours(color, contours, -1, (0,255,0), 2)

6. 显示图像轮廓

cv2.imshow("contours", color)
cv2.waitKey()
cv2.destroyAllWindows()

下一篇：《OpenCV3-Python常用轮廓检测方法》