OpenCV-Python图像轮廓之轮廓特征详解

下面是详细讲解“OpenCV-Python图像轮廓之轮廓特征详解”的完整攻略。

一、背景介绍

在图像处理领域中，轮廓是很常见的概念。轮廓是用于表示图像中物体形状的连续曲线。轮廓可以很好地帮助我们对图像中的对象进行识别和检测。本文主要介绍OpenCV-Python中的轮廓特征。

二、轮廓基础

轮廓可以认为是一系列像素坐标点的集合，因此我们可以对轮廓进行计算并得到一些数值特征。轮廓通常是通过对图像进行阈值化和腐蚀处理得到的。

import cv2
import numpy as np

img = cv2.imread('contour.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, 0)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

cv2.drawContours(img, contours, -1, (0, 255, 0), 3)
cv2.imshow('contour', img)
cv2.waitKey(0)

以上是绘制轮廓的基础代码，其中contour.png是原始图像的路径。这段代码逐行解释如下：

1. cv2.imread()函数用于读取原始图像。

2. cv2.cvtColor()用于将彩色图像转换为灰度图像。

3. cv2.threshold()用于将灰度图像进行二值化处理。

4. cv2.findContours()用于从二值化图像中查找轮廓。

5. cv2.drawContours()用于绘制轮廓。

三、轮廓面积

轮廓面积是指轮廓所覆盖的像素面积。OpenCV提供了函数cv2.contourArea()来计算轮廓面积，其参数为轮廓。下面是示例代码：

import cv2
import numpy as np

img = cv2.imread('contour.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, 0)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

for contour in contours:
    area = cv2.contourArea(contour)
    print(area)

以上代码用于计算每个轮廓的面积，并输出结果。

四、轮廓周长

轮廓周长是指轮廓的长度。OpenCV提供了函数cv2.arcLength()来计算轮廓周长，其参数为轮廓、轮廓是否闭合、近似精度。下面是示例代码：

import cv2
import numpy as np

img = cv2.imread('contour.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, 0)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

for contour in contours:
    perimeter = cv2.arcLength(contour, True)
    print(perimeter)

以上代码用于计算每个轮廓的周长，并输出结果。

五、轮廓近似

轮廓近似是指对轮廓进行简化处理，以达到减少轮廓数据量和降低处理复杂度的目的。OpenCV提供了函数cv2.approxPolyDP()来进行轮廓近似，其参数为原始轮廓、距离阈值。下面是示例代码：

import cv2
import numpy as np

img = cv2.imread('contour.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, 0)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

for contour in contours:
    epsilon = 0.1 * cv2.arcLength(contour, True)
    approx = cv2.approxPolyDP(contour, epsilon, True)
    cv2.drawContours(img, [approx], -1, (0, 0, 255), 2)

cv2.imshow('approx', img)
cv2.waitKey(0)

以上代码用于对轮廓进行简化，并将结果绘制在原始图像上。

六、轮廓凸包

凸包是用于包含轮廓所有点的最小凸形状。OpenCV提供了函数cv2.convexHull()来计算轮廓的凸包，其参数为轮廓、方向（默认是检测凸包的方向）和返回凸包结果类型（默认是NDArray），可以使用返回值判断点是否在凸包内。下面是示例代码：

import cv2
import numpy as np

img = cv2.imread('contour.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, 0)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

for contour in contours:
    hull = cv2.convexHull(contour)
    cv2.drawContours(img, [hull], -1, (0, 0, 255), 2)

cv2.imshow('convex', img)
cv2.waitKey(0)

以上代码用于计算轮廓的凸包，并将结果绘制在原始图像上。

七、小结

本文介绍了OpenCV-Python中的轮廓特征，并给出了轮廓面积、轮廓周长、轮廓近似、轮廓凸包等示例。了解这些特征可以大大提高图像处理的效率和准确性。