✨博客主页：米开朗琪罗~🎈
✨博主爱好：羽毛球🏸
✨年轻人要：Living for the moment（活在当下）！💪
🏆推荐专栏：【图像处理】【千锤百炼Python】【深度学习】【排序算法】

目录

• 😺一、查找并绘制物体轮廓
• • 🐶1.1 查找轮廓
  • • 🦄1.1.1 函数API
    • 🦄1.1.2 程序设计
  • 🐶1.2 绘制轮廓
  • • 🦄1.2.1 函数API
    • 🦄1.2.2 全部轮廓绘制程序设计及结果可视化
    • 🦄1.2.2 逐个轮廓绘制程序设计及结果可视化
  • 🐶1.3 统计轮廓信息
  • • 🦄1.3.1 函数API
    • 🦄1.3.2 程序设计

😺一、查找并绘制物体轮廓

🐶1.1 查找轮廓

🦄1.1.1 函数API

函数：img, contours, hierarchy = cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]])

参数介绍：

• 参数image：寻找轮廓的图像；
• 参数mode：表示轮廓的检索模式

cv2.RETR_EXTERNAL:只检测外轮廓
cv2.RETR_LIST:检测的轮廓不建立等级关系
cv2.RETR_CCOMP:建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层。
cv2.RETR_TREE:建立一个等级树结构的轮廓。

• 参数method：表示轮廓的近似方法：

cv2.CHAIN_APPROX_NONE:存储所有的轮廓点, 相邻的两个点的像素位置差不超过1, 即max(abs(x1-x2), abs(y2-y1)) == 1
cv2.CHAIN_APPROX_SIMPLE：压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息。
cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS：用teh-Chinl chain 近似算法

• 返回值img：返回原图的灰度图；
• 返回值contour：返回一个列表，列表中包含了检测到的所有轮廓，每个轮廓用ndarray表示；
• 返回值hierarchy：这是一个ndarray，其中的元素个数和轮廓个数相同，每个轮廓contours[i]对应4个hierarchy元素，分别为hierarchy[i][0] ~hierarchy[i][3]，分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号，如果没有对应项，则该值为负数。

https://blog.csdn.net/hjxu2016/article/details/77833336

🦄1.1.2 程序设计

注意：在查找物体轮廓之前要先对图像进行灰度化与二值化操作！

实验使用图像：

import cv2
import numpy as np

original = cv2.imread(r'C:\Users\Lenovo\Desktop\contour.jpg')
print(original.shape)
# 查找物体轮廓
def findcontour(img):

    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 图像灰度化
    ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)  # 图像二值化

    image, contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)  # 查找物体轮廓

    return image, contours, hierarchy

image, contours, hierarchy = findcontour(original)

我们打印轮廓数量：

print('轮廓数:', len(contours))

得到：轮廓数: 3

注意：findcontours函数会“原地”修改输入的图像！！！

🐶1.2 绘制轮廓

🦄1.2.1 函数API

函数：img = cv2.drawContours(image, contours, contourIdx, color, thickness=None, lineType=None, hierarchy=None, maxLevel=None, offset=None)

参数介绍：

• 参数image：要绘制轮廓的图像，必须是三通道；
• 参数contours：表示轮廓本身，存储方式为list；
• 参数contourIdx：轮廓索引，表示要绘制哪条轮廓，若为-1，则绘制所有轮廓；
• 返回值img：绘制完轮廓的图像。

🦄1.2.2 全部轮廓绘制程序设计及结果可视化

contours = cv2.drawContours(original, contours, -1, (255, 0, 0), 5)	# 绘制所有轮廓
cv2.imshow("contour", contours)
cv2.waitKey()

所有轮廓绘制的结果如下：

🦄1.2.2 逐个轮廓绘制程序设计及结果可视化

nums = len(contours)
color = [(255, 0, 0), (0, 255, 0), (0, 0, 255)]
contourssplit=[]

for i in range(nums):

    temp = np.zeros(original.shape, np.uint8)
    contourssplit.append(temp)
    contourssplit[i] = cv2.drawContours(contourssplit[i], contours, i, color[i], 2)

    cv2.imwrite(r'C:\\Users\\Lenovo\\Desktop\\%d.jpg' % i, contourssplit[i])
    cv2.imshow("contours" + str(i), contourssplit[i])

cv2.waitKey()

逐个轮廓绘制的结果如下：

🐶1.3 统计轮廓信息

🦄1.3.1 函数API

计算轮廓面积

函数：area= cv2.contourArea(contour，oriented)

参数介绍：

• 参数contour：轮廓信息；
• 参数oriented：有方向的区域标志

true:此函数依赖轮廓的方向（顺时针或逆时针）返回一个已标记区域的值。
false:默认值。意味着返回不带方向的绝对值。

该函数有个缺点：由于其计算方式是利用格林公式计算轮廓面积，所以如果遇到具有自交点的轮廓，该函数会给出错误的结果。

统计轮廓信息

⬇️⬇️⬇️⬇️⬇️⬇️⬇️⬇️重点⬇️⬇️⬇️⬇️⬇️⬇️⬇️⬇️
函数：moment = cv2.moments(contour)

参数介绍：

• 参数contour：轮廓信息；
• 参数moment：图像的矩。

函数返回一个字典，你可以从中得到有关轮廓的各种信息，包括面积、重心等！

计算轮廓周长
函数：perimeter=cv2.arcLength(contour, closed)

参数介绍：

• 参数contour：轮廓信息；
• 参数closed：用于指示轮廓是否封闭。

True:轮廓封闭。
False:轮廓不封闭。

🦄1.3.2 程序设计

我们先看cv2.moments中的信息，使用debug看a中的数据：


a是一个具有24个键值对的字典，包含了轮廓的各个信息。

使用cv2.moments(contours[i])['m00']得到轮廓面积；

使用int(cv2.moments(contours[i])['m10']/cv2.moments(contours[i])['m00'])和
int(cv2.moments(contours[i])['m01']/cv2.moments(contours[i])['m00'])得到轮廓重心；

使用cv2.arcLength(contours[i], True)得到轮廓的长度。

nums = len(contours)
color = [(255, 0, 0), (0, 255, 0), (0, 0, 255)]
contourssplit=[]

for i in range(nums):

    temp = np.zeros(original.shape, np.uint8)
    contourssplit.append(temp)
    contourssplit[i] = cv2.drawContours(contourssplit[i], contours, i, color[i], 2)
    a = cv2.moments(contours[i])

    print("轮廓" + str(i) + "的面积:%d" % cv2.moments(contours[i])['m00'])
    print("轮廓" + str(i) + "的重心:%d" % int(cv2.moments(contours[i])['m10']/cv2.moments(contours[i])['m00']),
                                        int(cv2.moments(contours[i])['m01']/cv2.moments(contours[i])['m00']))
    print("轮廓" + str(i) + "的长度:%d" % cv2.arcLength(contours[i], True))

结果如下：

轮廓0的面积:3214
轮廓0的重心:69 199
轮廓0的长度:403
轮廓1的面积:4752
轮廓1的重心:202 142
轮廓1的长度:336
轮廓2的面积:8019
轮廓2的重心:69 67
轮廓2的长度:336