Python Opencv輪廓常用操作程式碼例項解析

阿新 • • 發佈：2020-09-02

1.顏色空間轉換

使用cv2.cvtColor(input_image ，flag)，flag為轉換型別

常用的轉換型別有：

BGR和灰度圖的轉換使用 cv2.COLOR_BGR2GRAY
BGR和HSV的轉換使用 cv2.COLOR_BGR2HSV

img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

2.二值化

ret,dst = cv2.threshold(src,thresh,maxval,type)
src：表示的是圖片源（灰度圖）
thresh：表示的是閾值（起始值）
maxval：表示的是最大值
type：表示的是這裡劃分的時候使用的是什麼型別的演算法，常用值為0（cv2.THRESH_BINARY）

返回值

ret：指定的thresh

dst：目標影象

Python Opencv輪廓常用操作程式碼例項解析

ret,dst = cv2.threshold(img_gray,200,255,cv2.THRESH_BINARY)

3.查詢並繪製輪廓

3.1 cv2.findContours(image,mode,method[,offset])

概述：

尋找一個二值影象的輪廓。注意黑色表示背景，白色表示物體，即在黑色背景裡尋找白色物體的輪廓

引數：

image: 8位單通道影象。非零畫素值視為1，所以影象視作二值影象
mode: 輪廓檢索的方式
- cv2.RETR_EXTERNAL: 只檢索外部輪廓
- cv2.RETR_LIST: 檢測所有輪廓且不建立層次結構
- cv2.RETR_CCOMP: 檢測所有輪廓，建立兩級層次結構。上面的一層為外邊界，裡面的一層為內孔的邊界資訊。如果內孔內還有一個連通物體，這個物體的邊界也在頂層。
- cv2.RETR_TREE: 檢測所有輪廓，建立完整的層次結構
method: 輪廓近似的方法
- cv2.CHAIN_APPROX_NONE: 儲存所有的輪廓點
- cv2.CHAIN_APPROX_SIMPLE: 壓縮水平，垂直和對角線段，只留下端點。例如矩形輪廓可以用4個點編碼
- cv2.CHAIN_APPROX_TC89_L1,cv2.CHAIN_APPROX_TC89_KCOS:使用Teh-Chini chain近似演算法
offset:（可選引數）輪廓點的偏移量，格式為tuple,如（-10，10）表示輪廓點沿X負方向偏移10個畫素點，沿Y正方向偏移10個畫素點

返回值：

contours: 輪廓點。列表格式，每一個元素為一個3維陣列（其形狀為（n,1,2），其中n表示輪廓點個數，2表示畫素點座標）,表示一個輪廓
hierarchy: 輪廓間的層次關係,為三維陣列，形狀為（1,n,4），其中n表示輪廓總個數，4指的是用4個數表示各輪廓間的相互關係。第一個數表示同級輪廓的下一個輪廓編號，第二個數表示同級輪廓的上一個輪廓的編號，第三個數表示該輪廓下一級輪廓的編號，第四個數表示該輪廓的上一級輪廓的編號

補充：若想得到輪廓點的集合的列表，可使用

cnt = np.squeeze(contours[0])

3.2 cv2.drawContours(image,contours,contourIdx,color[,thickness[,lineType[,hierarchy[,maxLevel[,offset]]]])

引數：

image: 需要繪製輪廓的目標影象，注意會改變原圖
contours: 輪廓點，上述函式cv2.findContours()的第一個返回值
contourIdx: 輪廓的索引，表示繪製第幾個輪廓，-1表示繪製所有的輪廓
color: 繪製輪廓的顏色
thickness:（可選引數）輪廓線的寬度，-1表示填充
lineType:（可選引數）輪廓線型，包括cv2.LINE_4,cv2.LINE_8（預設）,cv2.LINE_AA,分別表示4鄰域線，8領域線，抗鋸齒線（可以更好地顯示曲線）
hierarchy:（可選引數）層級結構，上述函式cv2.findContours()的第二個返回值，配合maxLevel引數使用
maxLevel:（可選引數）等於0表示只繪製指定的輪廓，等於1表示繪製指定輪廓及其下一級子輪廓，等於2表示繪製指定輪廓及其所有子輪廓
offset:（可選引數）輪廓點的偏移量

import cv2
img = cv2.imread('D:/2.jpg',1)

img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,cv2.THRESH_BINARY)

contours,hierarchy = cv2.findContours(dst,cv2.RETR_LIST,cv2.CHAIN_APPROX_NONE)
cv2.drawContours(img,-1,(0,0),3)

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

4.點與輪廓位置關係

此功能可查詢影象中的點與輪廓之間的最短距離。當點在輪廓外時返回負值，當點在內部時返回正值，如果點在輪廓上則返回零

dist = cv2.pointPolygonTest(cnt,(100,100),True)

檢查(100,100)與輪廓（cnt）的距離

在函式中，第二個引數需要tuple型別；第三個引數是measureDist。如果為True，則查詢距離. 如果為False，則查詢該點是在內部還是外部或在輪廓上（它分別返回+1，-1，0）

如果不需要到距離，請確保第三個引數為False，因為這是一個耗時的過程。因此，將其設為False可提供2-3倍的加速

5.直線擬合fitline函式

output = cv2.fitLine(InputArray points,distType,param,reps,aeps)

引數：

InputArray Points: 待擬合的直線的集合，必須是矩陣形式（如numpy.array)
distType: 距離型別。fitline為距離最小化函式，擬合直線時，要使輸入點到擬合直線的距離和最小化。這裡的距離的型別有以下幾種：
- cv2.DIST_USER : User defined distance
- cv2.DIST_L1: distance = |x1-x2| + |y1-y2|
- cv2.DIST_L2: 歐式距離，此時與最小二乘法相同
- cv2.DIST_C: distance = max(|x1-x2|,|y1-y2|)
- cv2.DIST_L12: L1-L2 metric: distance = 2(sqrt(1+x*x/2) - 1))
- cv2.DIST_FAIR
- cv2.DIST_WELSCH
- cv2.DIST_HUBER
param: 距離引數，跟所選的距離型別有關，值可以設定為0
reps,aeps: 第5/6個引數用於表示擬合直線所需要的徑向和角度精度，通常情況下兩個值均被設定為1e-2