Opencv轮廓(cv.findContours) 解释（一）

Kevin
2022-05-27
OpenCV
opencv, 轮廓

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，使用二进制图像效果会更佳。因此，在找到轮廓之前，请使用用阈值处理或Canny边缘检测。
自从OpenCV 3.2, findContours()不再修改原图片，因此，你不需要在使用findContours()时复制一份。
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。

让我们看看如何找到二进制图像的轮廓：

import numpy as np
import cv2 as cv
im = cv.imread('test.jpg')
imgray = cv.cvtColor(im, cv.COLOR_BGR2GRAY)
ret, thresh = cv.threshold(imgray, 127, 255, 0)
contours, hierarchy = cv.findContours(thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)

这个程序先读入test.jpgt图片，然后把他转成灰度，以127作为阈值处理，再进行找轮廓处理。
可以看到，在cv.findContours（）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，可以是

RETR_EXTERNAL – 仅检索最外部轮廓
RETR_LIST – 检索所有轮廓而不建立任何层次关系
RETR_CCOMP – 检索所有轮廓并将它们组织成两级层次结构。在顶层，有组件的外部边界。在第二层，有孔的边界。如果连接组件的孔内有另一个轮廓，它仍然放在顶层。
RETR_TREE – 检索所有轮廓并重建嵌套轮廓的完整层次结构
RETR_FLOODFILL – 多级图像的连通分量
第三个是轮廓逼近方法, 这个参数再最后会详细讨论。
最后返回轮廓和层次。轮廓是图像中所有轮廓的Python列表。每个单独的轮廓都是对象边界点的（x，y）坐标的Numpy数组。

注意
稍后我们将详细讨论第二和第三论点以及有关层次结构。在此之前，代码示例中赋予它们的值将对所有图像都适用。

怎样画轮廓?

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（在绘制单个轮廓时很有用。要绘制所有轮廓，请传递-1），其余参数是颜色，厚度等等

要在图像中绘制所有轮廓：

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

要绘制单个轮廓，例如第四个轮廓:

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：
```
cnt = contours[4]
cv.drawContours(img, [cnt], 0, (0,255,0), 3)
```
注意
最后两种方法相同，但是前进时，您会发现最后一种更有用。

轮廓近似法

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获得的点（734个点），第二幅图像显示了我用cv.CHAIN_APPROX_SIMPLE获得的点（只有4个点）。可见，它可以节省多少内存！！！