1、 初識輪廓

目標
理解什麼是輪廓
學習找輪廓，繪製輪廓函式： cv2.findContours()， cv2.drawContours()

1.1 什麼是輪廓

  輪廓可以簡單認為成將連續的點（連著邊界）連在一起的曲線，具有相同的顏色或者灰度。輪廓在形狀分析和物體的檢測和識別中很有用。
  • 為了更加準確，要使用二值化影象。在尋找輪廓之前，要進行閾值化處理或者 Canny 邊界檢測。
  • 查詢輪廓的函式會修改原始影象。如果你在找到輪廓之後還想使用原始影象的話，你應該將原始影象儲存到其他變數中。
  • 在 OpenCV 中，查詢輪廓就像在黑色背景中超白色物體,要找的物體應該是白色而背景應該是黑色。
讓我們看看如何在一個二值影象中查詢輪廓：
  函式 cv2.findContours() 有三個引數，第一個是輸入影象，第二個是輪廓檢索模式，第三個是輪廓近似方法。返回值有三個，第一個是影象，第二個是輪廓，第三個是（輪廓的）層析結構。輪廓（第二個返回值）是一個 Python列表，其中儲存這影象中的所有輪廓。每一個輪廓都是一個 Numpy 陣列，包含物件邊界點（x， y）的座標。
注意：我們後邊會對第二和第三個引數，以及層次結構進行詳細介紹。在那之
前，例子中使用的引數值對所有影象都是適用的。

1.2 怎樣繪製輪廓

  函式 cv2.drawContours() 可以被用來繪製輪廓。它可以根據你提供的邊界點繪製任何形狀。它的第一個引數是原始影象，第二個引數是輪廓，一個 Python 列表。第三個引數是輪廓的索引（在繪製獨立輪廓是很有用，當設定為 -1 時繪製所有輪廓）。接下來的引數是輪廓的顏色和厚度等。
在一幅影象上繪製所有的輪廓：

import numpy as np 
import cv2
from matplotlib import pyplot as plt  

im = cv2.imread('image/2.png')
imgray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(imgray, 127
 
, 255, 0)
image,contours,hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
#img = cv2.drawContour(image, contours, -1, (0,255,0),3)
img = cv2.drawContours(image, contours, 3, (0,255,0),3)
#兩種方法效果相似，大多數使用第二種方法
plt.subplot(121), plt.imshow(im)  
plt.title("Original"),plt.xticks([]),plt.yticks([])  
plt.subplot(122
 
), plt.imshow(img)  
plt.title("Contours"),plt.xticks([]),plt.yticks([]) 
plt.show()

結果圖：

1.3 輪廓的近似方法

  這是函式 cv2.findCountours() 的第三個引數。它到底代表什麼意思呢？上邊我們已經提到輪廓是一個形狀具有相同灰度值的邊界。它會存貯形狀邊界上所有的 (x， y) 座標。但是需要將所有的這些邊界點都儲存嗎？這就是這個引數要告訴函式 cv2.findContours 的。
  這個引數如果被設定為 cv2.CHAIN_APPROX_NONE，所有的邊界點都會被儲存。但是我們真的需要這麼多點嗎？例如，當我們找的邊界是一條直線時,需要直線上所有的點來表示直線嗎？不是的，我們只需要這條直線
的兩個端點而已。這就是 cv2.CHAIN_APPROX_SIMPLE 要做的。它會將輪廓上的冗餘點都去掉，壓縮輪廓，從而節省記憶體開支。
  用下圖中的矩形來演示這個技術。在輪廓列表中的每一個座標上畫一個藍色圓圈。第一個圖顯示使用 cv2.CHAIN_APPROX_NONE 的效果，一共 734 個點。第二個圖是使用 cv2.CHAIN_APPROX_SIMPLE 的結
果，只有 4 個點.
效果圖：

2、 輪廓特徵

目標
查詢輪廓的不同特徵，例如面積，周長，重心，邊界框等。
學習輪廓相關函式

2.1 矩

  影象的矩可以幫助我們計算影象的質心，面積等。詳細資訊請檢視維基百科Image Moments。
  函式 cv2.moments() 會將計算得到的矩以一個字典的形式返回。如下：

import numpy as np 
import cv2
from matplotlib import pyplot as plt  

img = cv2.imread('image/7.png')
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(imgray, 127, 255, 0)
contours,hierarchy = cv2.findContours(thresh, 1,2)
cnt = contours[0]
M = cv2.moments(cnt)
print M 

根據這些矩的值，我們可以計算出物件的重心： Cx = M10/ M00 ， Cy = M 01/M00

cx = int(M['m10']/M['m00']
cy = int(M['m01']/M['m00']

2.2 輪廓面積、周長

  輪廓的面積可以使用函式 cv2.contourArea() 計算得到，也可以使用矩（0 階矩）， M[‘m00’]

area = cv2.contourArea(cnt)

  周長也被稱為弧長。可以使用函式 cv2.arcLength() 計算得到。這個函式的第二引數可以用來指定物件的形狀是閉合的（True），還是開啟的（一條曲線）

perimeter = cv2.arcLength(cnt,True)

2.3 輪廓近似

  將輪廓形狀近似到另外一種由更少點組成的輪廓形狀，新輪廓的點的數目由我們設定的準確度來決定。使用的Douglas-Peucker演算法，你可以到維基百科獲得更多此演算法的細節。
  為了幫助理解，假設我們要在一幅影象中查詢一個矩形，但是由於影象的種種原因，我們不能得到一個完美的矩形，而是一個“壞形狀”（如下圖所示）。現在你就可以使用這個函式來近似這個形狀（）了。這個函式的第二個引數叫epsilon，它是從原始輪廓到近似輪廓的最大距離。它是一個準確度引數。選擇一個好的 epsilon 對於得到滿意結果非常重要。

epsilon = 0.1*cv2.arcLength(cnt,True)
approx = cv2.approxPolyDP(cnt,epsilon,True)

  下邊，第二幅圖中的綠線是當 epsilon = 10% 時得到的近似輪廓，第三幅圖是當 epsilon = 1% 時得到的近似輪廓。第三個引數設定弧線是否閉合。

參考：OpenCV官方教程中文版（For Python）