机器视觉学习-day14-绘制图像轮廓

        轮廓是连续的，边缘可以连续也可以离散

        轮廓是完整的，边缘可以是完成的也可以不完整

轮廓主要分析物体的形态，比如计算物体的周长与面积；边缘作为图像特征使用，比如区分脸和手。

代码运行步骤：

图片输入→灰度化→二值化→寻找轮廓→绘制轮廓→图片输出

1.1 寻找轮廓

    # 4. 寻找轮廓# 返回值1：所有轮廓的点坐标，是一个list列表# 返回值2：轮廓的层级关系contours, hierarchy = cv2.findContours(image = image_np_thresh,  # 二值化之后的图像mode = cv2.RETR_EXTERNAL,  # 默认的轮廓查找方式method = cv2.CHAIN_APPROX_SIMPLE  # 默认的轮廓近似办法)

●contours 轮廓s
tuple类型，所有轮廓的点（每个元素是Numpy数组），可以通过[n-1]取出第n个轮廓的数据
●hierarchy 轮廓关系
如果没有检测到轮廓，则返回的数组为空，通常不会出现。
对于第n个轮廓：
○hierarchy[n][0]表示当前轮廓的后一条轮廓
○hierarchy[n][1]表示当前轮廓的前一条轮廓
○hierarchy[n][2]表示当前轮廓的第一个子轮廓
○hierarchy[n][3]表示当前轮廓的父轮廓
如果出现-1表示没有。
此参数较少使用，通常用于处理复杂画面效果。
●image 输入图像
要求8位的二值化图像，前景色白色，背景色黑色
●mode 轮廓的查找方式
○RETR_EXTERNAL 查找最外层轮廓（不查找内层轮廓）
在hierarchy层级结构中，每一个轮廓只有前后轮廓的索引，没有父轮廓与子轮    廓的索引。
○RETR_LIST 查找所有轮廓（包括外层和内层轮廓）
在hierarchy层级结构中，每一个轮廓只有前后轮廓的索引，没有父轮廓与子轮    廓的索引。
○RETR_CCOMP 查找所有轮廓（包括外层和内层轮廓）
在hierarchy层级结构中，每一个轮廓只有前后轮廓的索引，有父轮廓与子轮        廓的索引，轮廓为两层结构。
○RETR_TREE （包括外层和内层轮廓）
在hierarchy层级结构中，每一个轮廓只有前后轮廓的索引，有父轮廓与子轮        廓的索引，轮廓为树状结构。
●method 轮廓的近似办法
○CHAIN_APPROX_NONE 存储所有轮廓点
○CHAIN_APPROX_SIMPLE 只存储有用的点
比如轮廓中的直线，则只存储起点和终点；比如轮廓是四边形，则只存储四个顶点。
○CHAIN_APPROX_TC89_L1 使用Teh_Chin链进行轮廓逼近
精度高（优化后的点更少），使用少。

1.2 绘制轮廓

使用绘制轮廓的方式把上一步的寻找的轮廓点连接在一起进行绘制，这一步绘制的是前景轮廓。

1.3 轮廓检测算法 Suzuki

内容复杂，了解即可

2 代码实践

原图3.jpg

import cv2if __name__ == '__main__':# 1. 图片输入path = '3.jpg'image_np = cv2.imread(path)# 2. 灰度化image_np_gray = cv2.cvtColor(image_np,cv2.COLOR_BGR2GRAY)# 3. 二值化ret, image_np_thresh = cv2.threshold(image_np_gray,127,255,cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)print(ret)# 4. 寻找轮廓contours, hierarchy = cv2.findContours(image_np_thresh,  # 二值化之后的图像cv2.RETR_EXTERNAL,  # 查找方式cv2.CHAIN_APPROX_SIMPLE  # 近似办法)print(len(contours))for i in contours:print(i.shape)"""cv2.findContours(): 查找图像中的轮廓参数详解:image_np_thresh: 二值化图像，必须是8位单通道图像cv2.RETR_EXTERNAL: 轮廓检索模式，只检测最外层轮廓cv2.CHAIN_APPROX_SIMPLE: 轮廓近似方法，压缩水平、垂直和对角线段，只保留它们的端点返回值:contours: 找到的轮廓列表，每个轮廓是一个点集hierarchy: 轮廓的层次信息(此代码中未使用)print(len(contours)): 打印找到的轮廓数量for i in contours: print(i.shape): 遍历所有轮廓并打印每个轮廓的形状(即包含多少个点)"""# 5. 绘制轮廓image_np = cv2.drawContours(image_np,  # 在哪个图上绘制contours,  # 轮廓数据列表contourIdx=-1,  # 绘制轮廓的id，-1表示全绘制color=(0, 0, 255),  # 绘制的颜色thickness=2  # 线宽)"""cv2.drawContours(): 在图像上绘制轮廓参数详解:image_np: 要绘制轮廓的目标图像(会在原图上直接修改)    contours: 要绘制的轮廓列表    contourIdx=-1: 指定要绘制哪个轮廓，-1表示绘制所有轮廓    color=(0, 0, 255): 轮廓颜色，BGR格式(这里是红色)    thickness=2: 轮廓线宽度"""# 6. 图片输出cv2.imshow('image_np', image_np)cv2.waitKey(0)cv2.imwrite('image.png', image_np)# 读取图像 → 2. 转换为灰度图 → 3. 二值化处理 → 4. 查找轮廓 → 5. 绘制轮廓 → 6. 显示结果

运行后图片：image.png

练习：绘制图像的所有轮廓，并使用不同的颜色标识。

图片：3.jpg

"""绘制图像的所有轮廓，并使用不同的颜色标识。"""
import cv2
import numpy as npif __name__ == '__main__':# 1.图片输入path = '3.jpg'  # 图像文件路径image_np = cv2.imread(path)  # 读取图像为NumPy数组(BGR格式)# # 2. 灰度化# image_np_gray = cv2.cvtColor(#     image_np,#     cv2.COLOR_BGR2GRAY# )# cv2.imshow('image_np_gray', image_np_gray)# # 3. 二值化# ret, image_np_thresh = cv2.threshold(#     image_np_gray,#     192,  # 191/192为青色和粉色的临界值#     255,#     cv2.THRESH_BINARY_INV# )# 使用灰度化、二值化后，颜色浅的 无法选中# 2.HSV空间转换hsv_image_np = cv2.cvtColor(image_np, cv2.COLOR_BGR2HSV)  # BGR转HSV# 3. 制作掩膜# 定义绿色范围/背景图掩膜green_low = np.array([35, 43, 46])  # 红色下限(Hmin, Smin, Vmin)green_high = np.array([77, 255, 255])  # 红色上限(Hmax, Smax, Vmax)mask1 = cv2.inRange(  # 创建掩膜hsv_image_np,  # 基于哪个图像, 输入HSV图像green_low,  # 颜色下限green_high  # 颜色上限)# 合并掩膜mask_image_np = cv2.bitwise_or(mask1, mask1)  # 红cv2.imshow('mask_image_np4', mask_image_np)# 4.反阈值二值化取到前景图片ret, image_np_thresh = cv2.threshold(mask_image_np,  # 输入的灰度图像127,  # 阈值（127），但使用OTSU方法时会自动计算最佳阈值255,  # 最大值（255），当像素值超过阈值时赋予的值cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)cv2.imshow('image_np_thresh', image_np_thresh)# 5. 寻找轮廓contours, hierarchy = cv2.findContours(image_np_thresh,  # 二值化之后的图像cv2.RETR_LIST,  # 查找方式:查找所有轮廓（包括外层和内层轮廓）cv2.CHAIN_APPROX_SIMPLE  # 近似办法)print(len(contours))for i in contours:print(i.shape)# 定义不同颜色用于绘制不同轮廓colors = [(0, 0, 0),  # 黑色(255, 255, 0),  # 青色(255, 0, 0),  # 蓝色(255, 0, 255),  # 粉色]# 遍历所有找到的轮廓for i, cnt in enumerate(contours):# enumerate()函数返回的是(index, value)元组对，所以不能直接将循环变量用于索引# 计算当前轮廓的面积，过滤掉太小的轮廓（可能是噪声）area = cv2.contourArea(cnt)if area < 197:  # 忽略面积小于100像素的轮廓continue# 选择颜色（循环使用预定义的颜色）# color = colors[i]  # 当i≥4时会报IndexErrorcolor = colors[i % len(colors)]  # 0%4=0...5%4=1(循环)# 6. 绘制轮廓image_np = cv2.drawContours(image_np,  # 在哪个图上绘制contours,  # 轮廓数据列表contourIdx=i,  # 绘制轮廓的id，-1表示全绘制,从0开始代表下标color=color,  # 使用选择的颜色thickness=2  # 线宽)# 6. 图片输出cv2.imshow('image_np', image_np)cv2.waitKey(0)cv2.imwrite('123.png', image_np)

运行结果：123.png