OpenCV 轮廓检测的实现方法

import cv2
import numpy as np
# 创建一个200*200的黑色空白图像
img = np.zeros((200, 200), dtype=np.uint8)
# 利用numpy数组在切片上赋值的功能放置一个白色方块
img[50:150, 50:150] = 255

# 对图像进行二值化操作
# threshold(src, thresh, maxval, type, dst=None)
# src是输入数组，thresh是阈值的具体值，maxval是type取THRESH_BINARY或者THRESH_BINARY_INV时的最大值
# type有5种类型,这里取0： THRESH_BINARY ，当前点值大于阈值时，取maxval，也就是前一个参数，否则设为0
# 该函数第一个返回值是阈值的值，第二个是阈值化后的图像
ret, thresh = cv2.threshold(img, 127, 255, 0)

# findContours()有三个参数：输入图像，层次类型和轮廓逼近方法
# 该函数会修改原图像，建议使用img.copy()作为输入
# 由函数返回的层次树很重要，cv2.RETR_TREE会得到图像中轮廓的整体层次结构，以此来建立轮廓之间的‘关系'。
# 如果只想得到最外面的轮廓，可以使用cv2.RETE_EXTERNAL。这样可以消除轮廓中其他的轮廓，也就是最大的集合
# 该函数有三个返回值：修改后的图像，图像的轮廓，它们的层次
image, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

color = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
img = cv2.drawContours(color, contours, -1, (0, 255, 0), 2)
cv2.imshow("contours", color)
cv2.waitKey()
cv2.destroyAllWindows()

import cv2
import numpy as np

# pyrDown():brief Blurs an image and downsamples it.
# 将图像高斯平滑，然后进行降采样
img = cv2.pyrDown(cv2.imread("hammer.jpg", cv2.IMREAD_UNCHANGED))
# 依然是二值化操作
ret, thresh = cv2.threshold(cv2.cvtColor(img.copy(), cv2.COLOR_BGR2GRAY), 127, 255, cv2.THRESH_BINARY)
# 计算图像的轮廓
image, contours, hier = cv2.findContours(t<div style="color:transparent">本文来源gaodai.ma#com搞#代!码(网</div>hresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for c in contours:
  # find bounding box coordinates
  # 先计算出一个简单的边界狂，也就是一个矩形啦
  # 就是将轮廓信息转换为(x,y)坐标，并加上矩形的高度和宽度
  x, y, w, h = cv2.boundingRect(c)
  # 画出该矩形
  cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)

  # find minimum area
  # 然后计算包围目标的最小矩形区域
  # 这里先计算出最小矩形区域，然后计算区域的顶点，此时顶点坐标是浮点型，但是像素坐标是整数
  # 需要将浮点型转换成矩形
  rect = cv2.minAreaRect(c)
  box = cv2.boxPoints(rect)
  box = np.int0(box)
  # draw contours
  # 画出最小矩形
  # drawContours()也会修改源图像
  # 第二个参数保存轮廓的数组，也就是保存着很多轮廓
  # 第三个参数是要绘制的轮廓数组的索引：-1是绘制所有的轮廓，否则只绘制[box]中指定的轮廓
  # 颜色和thickness(密度,就是粗细)放在最后两个参数
  cv2.drawContours(img, [box], 0, (0, 0, 255), 3)

  # calculate center and radius of minimum enclosing circle
  # 最后检查的边界轮廓为最小闭圆
  # minEnclosingCircle()会返回一个二元数组，第一个是圆心坐标组成的元祖，第二个元素是元的半径
  (x, y), radius = cv2.minEnclosingCircle(c)
  # cast to integers
  center = (int(x), int(y))
  radius = int(radius)
  # draw the circle
  img = cv2.circle(img, center, radius, (255, 0, 0), 3)

# 绘制轮廓
cv2.drawContours(img, contours, -1, (255, 0, 0), 1)
cv2.imshow("contours", img)

cv2.waitKey()
cv2.destroyAllWindows()