opencv学习（轮廓检测）

目录

1.相关概念

2.核心函数

3.常见的几种操作处理

1.相关概念

轮廓是图像中连续的、有相同颜色 / 灰度值的像素点组成的曲线，代表物体的边界。

与边缘的区别：边缘是离散的像素突变点，轮廓是连续的闭合曲线，更强调 “连接性”。

轮廓检测的前提必须输入二值图像（黑白图像）

2.核心函数

cv2.findContours()：用于从二值图像中提取轮廓，返回轮廓列表和层级信息

# OpenCV 4.x/2.x 版本
contours, hierarchy = cv2.findContours(binary_img, mode, method)

# OpenCV 3.x 版本（多一个返回值，通常用_忽略）
_, contours, hierarchy = cv2.findContours(binary_img, mode, method)

参数:: 

• mode（轮廓检索模式）：决定轮廓的层级关系（父子关系）

  • cv2.RETR_EXTERNAL：只保留最外层轮廓（常用，减少干扰）。

  • cv2.RETR_TREE：保留所有轮廓并构建完整层级树（适合分析嵌套轮廓，如 “同心圆”）。

  • cv2.RETR_LIST：保留所有轮廓，但不构建层级（简单场景用）。

• method（轮廓逼近方法）：决定轮廓点的存储方式

  • cv2.CHAIN_APPROX_NONE：存储所有轮廓点（精确但占内存）。

  • v2.CHAIN_APPROX_SIMPLE：压缩冗余点（如矩形只保留 4 个角点，节省内存，常用）。

3.常见的几种操作处理

 绘制轮廓，轮廓特征，边界矩形，外接圆，轮廓近似

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

#为了更高的准确率，采用二值图像

img=cv2.imread('stru2.jpg')
def cv_show(name,imag):
    cv2.imshow(name,imag)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
cv_show('stru',img)

gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
res,thresh=cv2.threshold(gray,127,255,cv2.THRESH_BINARY)  #二值处理
cv_show('thresh',thresh)


#轮廓特征（求轮廓的面积和周长）

con=contours[1]#[1]表示轮廓列表的第一个
area=cv2.contourArea(con)#求面积
arc=cv2.arcLength(con,True)#求周长，True表示轮廓是闭合的
print(area,'      ',arc)



#边界矩形

x,y,w,h=cv2.boundingRect(con)#cv2.boundingRect() 是 OpenCV 中用于计算轮廓最小外接矩形（边界矩形）的函数
#x：矩形左上角的 x 坐标,y：矩形左上角的 y 坐标,w：矩形的宽度,h：矩形的高度
imag=cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
#cv2.rectangle() 是 OpenCV 中用于在图像上绘制矩形的函数，常与 cv2.boundingRect() 配合使用，
#(x,y)是矩形的左上角坐标，(x+w,y+h)是矩形的右下角坐标
cv_show('imag',imag)


#外接圆
'''
v2.minEnclosingCircle()是计算轮廓 con 的最小外接圆（能完全包围轮廓的最小圆形）
其中，(x1,y1)是圆心坐标，是浮点数类型，r是半径也是浮点数类型

'''
(x1,y1),r=cv2.minEnclosingCircle(con)
center=(int(x1),int(y1))
r=int(r)
imag1=cv2.circle(draw_img,center,r,(0,255,0),2)#cv2.circle()是OpenCV中用于在图像上绘制圆形的函数，可用于标记目标中心、绘制轮廓外接圆等场景
cv_show('imag1',imag1)



#轮廓近似

con1=contours[2]
arc1=cv2.arcLength(con1,True)
epsilon=0.1*arc1#精度（0.1）越小，近似结果越接近原始轮廓；精度越大，轮廓越简化。
approx=cv2.approxPolyDP(con1,epsilon,True)
draw_img1=img.copy()
res1=cv2.drawContours(draw_img1,[approx],-1,(0,0,255),2)
cv_show('res1',res1)



#用for循环遍历所有的轮廓并进行轮廓近似

draw_img2 = img.copy()
for i,contour in enumerate(contours):
    '''
i：接收当前轮廓的索引（从 0 开始的整数），用于标识当前处理的是第几个轮廓。
contour：接收 contours 列表中的每个轮廓元素（即单个轮廓的坐标数据）。不这样用：contour=contours[i]
enumerate() 是 Python 内置函数，用于将一个可迭代对象（这里是 contours 轮廓列表）转换为一个枚举对象。
    '''
    arc2=cv2.arcLength(contour,True)
    epsilon2=0.2*arc
    approx2=cv2.approxPolyDP(contour,epsilon2,True)
    cv2.drawContours(draw_img2,[approx2],-1,(0,0,255),2)
cv_show('draw_all',draw_img2)