48 二值图像分析—轮廓发现

代码

import cv2 as cv
import numpy as np

def threshold_demo(image):
    # 去噪声+二值化
    dst = cv.GaussianBlur(image,(3, 3), 0)
    gray = cv.cvtColor(dst, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_OTSU | cv.THRESH_BINARY)
    cv.imshow("binary", binary)
    return binary

def canny_demo(image):
    t = 100
    canny_output = cv.Canny(image, t, t * 2)
    cv.imshow("canny_output", canny_output)
    return canny_output

src = cv.imread("../images/coins_001.jpg")
cv.namedWindow("input", cv.WINDOW_AUTOSIZE)
cv.imshow("input", src)
binary = threshold_demo(src)

# 轮廓发现
contours, hierarchy = cv.findContours(binary, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
for c in range(len(contours)):
    cv.drawContours(src, contours, c, (0, 0, 255), 2, 8)

# 显示
cv.imshow("contours-demo", src)

cv.waitKey(0)
cv.destroyAllWindows()

实验结果

选用Candy边缘检测，RETR_TREE检测轮廓

选用threshold边缘检测，RETR_TREE检测轮廓

选用threshold边缘检测，RETR_EXTERNAL检测轮廓

解释

图像连通组件分析，可以得到二值图像的每个连通组件，但是我们还无法得知各个组件之间的层次关系与几何拓扑关系，如果我们需要进一步分析图像轮廓拓扑信息就可以通过OpenCV的轮廓发现API获取二值图像的轮廓拓扑信息，轮廓发现API如下：

contours, hierarchy	=	cv.findContours(image, mode, method[, contours[, hierarchy[, offset]]])

各个参数详解如下：

• Image表示输入图像，必须是二值图像，二值图像可以threshold输出、Canny输出、inRange输出、自适应阈值输出等。

• Contours获取的轮廓，每个轮廓是一系列的点集合

• Hierarchy轮廓的层次信息，每个轮廓有四个相关信息，分别是同层下一个、前一个、第一个子节点、父节点

• mode 表示轮廓寻找时候的拓扑结构返回

  • RETR_EXTERNAL表示只返回最外层轮廓
  • RETR_TREE表示返回轮廓树结构

• Method表示轮廓点集合取得是基于什么算法，常见的是基于CHAIN_APPROX_SIMPLE链式编码方法

对于得到轮廓，OpenCV通过下面的API绘制每个轮廓

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

当thickness为正数的时候表示绘制该轮廓
当thickness为-1表示填充该轮廓

所有内容均来源于贾志刚老师的知识星球——OpenCV研习社，本文为个人整理学习，已获得贾老师授权，有兴趣、有能力的可以加入贾老师的知识星球进行深入学习。

原文链接:https://blog.csdn.net/liu_taiting/article/details/104874163