import cv2
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.cm as c
def cv_show(img):
    cv2.imshow("img",img)
    cv2.waitKey(0)
    
    
def cv_read(img_file,gray=True):
    if gray == True:
        return cv2.imread(img_file,0)
    else:
        return cv2.imread(img_file)

图像轮廓

• 轮廓和边缘是不同的，边缘是零散的，而轮廓是完整的一个整体

轮廓检索模式 modes

• 通常第四个 RETR_TREE 是最常用的

轮廓逼近方法 methods

• 为了更高的精确度，最好使用二值图片

原图使用的是 lena：

'''首先对图片进行二值化！！！作为预处理'''
raw_img = cv2.imread("./img.png")
gray_img = cv2.imread("./img.png",cv2.IMREAD_GRAYSCALE)
ret,thresh = cv2.threshold(gray_img,127,255,cv2.THRESH_BINARY)
cv_show(thresh)

contours, hierachy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)

'''这里需要做一个 copy 因为 drawContours 的操作会直接对原图进行改变并保存'''
'''二值化操作的是灰度图，但是轮廓我们画在原图上'''
draw_img = raw_img.copy()
# -1 代表所有轮廓，否则需要指定第几个轮廓， 2 是线条宽度
res = cv2.drawContours(draw_img,contours,-1,(0,0,255),2)  
cv_show(res)

• 下面使用的原图是：
  

raw_img = cv2.imread("./shapes.png")
gray_img = cv2.imread("./shapes.png",cv2.IMREAD_GRAYSCALE)
'''执行二值化处理'''
ret,thresh = cv2.threshold(gray_img,127,255,cv2.THRESH_BINARY)
cv_show(thresh)

选取某个轮廓

contours, hierachy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
draw_img = raw_img.copy()
# -1 代表所有轮廓，否则需要指定第几个轮廓， 2 是线条宽度
res = cv2.drawContours(draw_img,contours,-1,(0,0,255),2)  
cv_show(res)

res = cv2.drawContours(raw_img.copy(),contours,0,(0,0,255),2)  # 指定绘制第一个轮廓(三角形的外圈)
cv_show(res)
'''里层外层是两个轮廓'''

计算轮廓内的面积、周长

#  选中一个轮廓，然后进行计算
cnt = contours[0]
cv2.contourArea(cnt)

8500.5

cv2.arcLength(cnt,True)  # True 表示闭合

437.9482651948929

轮廓近似的方法

# 首先选出五角星的轮廓展示一下
res = cv2.drawContours(raw_img.copy(),contours,8,(0,0,255),2)  # 指定绘制第一个轮廓(三角形的外圈)
cv_show(res)

'''轮廓近似'''
cnt = contours[8] # 使用五角星轮廓做近似操作
alpha = 0.1
 # epsilon 代表拿原轮廓周长的 0.1 长度作为轮廓近似的标准，这个值越小轮廓越接近原轮廓，这个值越大，近似的轮廓越概括
epsilon = alpha * cv2.arcLength(cnt,True)  
appro = cv2.approxPolyDP(cnt,epsilon,True)
res = cv2.drawContours(raw_img.copy(),[appro],-1,(0,0,255),2)  
cv_show(res)