OpenCV教程-OpenCV轮廓

轮廓被定义为连接所有连续点（沿边界），具有相同颜色或强度的曲线。在其他情况下，我们在二进制图像中找到轮廓，我们专注于在二进制图像中找到边界。官方定义如下：

轮廓是进行形状分析、物体检测和识别的有用工具。

为了保持准确性，我们应该使用二进制图像。首先，我们应用阈值或Canny边缘检测。

在OpenCV中，在二进制图像中找到轮廓与从黑色背景中找到白色对象相同。

OpenCV提供了findContours()，用于在二进制图像中找到轮廓。语法如下：

cv2. findContours (thes, cv2.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)  

findContours()接受三个参数，第一个参数是源图像，第二个是轮廓检索模式，第三个是轮廓近似。

让我们考虑以下示例：

import numpy as np  
import cv2 as cv  
im = cv.imread(r'C:\Users\DEVANSH SHARMA\binary.png')  
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)  

如何绘制轮廓？

OpenCV提供了cv2.drawContours()函数，用于绘制轮廓。它还用于通过提供其边界点来绘制任何形状。cv2.drawContours()函数的语法如下：

要在图像中绘制所有轮廓：

cv2.drawCounter(img, contours,-1, (0,255,0),3)  

要绘制单个轮廓，假设为第3个轮廓：

cnt = contours[3]  
cv2.drawCounter(img,[cnt],0,(0,255,0),3)  

第一个参数表示图像源，第二个参数表示应传递为Python列表的轮廓，第三个参数用作轮廓的索引，其他参数用于颜色厚度。

轮廓近似方法

这是cv2.findContours()的第三个参数。上面，我们已经将其描述为使用相同强度绘制形状的边界。它存储形状的边界的(x, y)坐标。但是这里有个问题，它是否存储所有坐标？这由轮廓近似方法指定。

如果我们传递cv.CHAIN_APPROX_NONE，它将存储所有的边界点。有时候不需要存储所有的点坐标，假设我们找到了一条直线的轮廓，那么就不需要存储所有轮廓点，只需要两个端点。因此，对于这种情况，我们使用cv.CHAIN_APPROX_NONE，它会删除所有多余的点并压缩轮廓，从而节省内存。

示例-1

在上面的矩形图像中，第一张图像使用cv.CHAIN_APPROX_NONE（734）显示点，第二张图像使用cv2.CHAIN_APPROX_SIMPLE（仅4个点）显示。我们可以看到两个图像之间的差异。