目录
在图像处理和计算机视觉中，轮廓检测是一种非常重要的技术。轮廓可以被看作是物体的边界，通过检测轮廓，我们可以提取物体的形状信息，进而实现目标识别、分割等任务。本文将详细介绍如何使用 OpenCV 进行图像轮廓的检测和绘制。
1. 什么是轮廓？
轮廓是一系列相连的点组成的曲线，它代表了物体的基本外形。与边缘不同，轮廓是连续的，而边缘可能并不连续。轮廓主要用于分析物体的形态，例如计算物体的周长和面积等。简单来说，轮廓可以帮助我们更好地理解图像中物体的形状。
2. 寻找轮廓
在 OpenCV 中，我们使用 cv2.findContours() 函数来寻找轮廓。这个函数的原理比较复杂，但我们可以简单理解为它会遍历图像中的像素，找到边界点并将它们连接起来形成轮廓。
2.1 图像预处理
在寻找轮廓之前，我们需要对图像进行预处理，包括灰度化和二值化。这是因为轮廓检测需要在二值图像上进行，这样可以更清晰地识别边界。
import cv2
# 读取图像
img = cv2.imread('./opencv_work/src/num.png')
# 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 进行二值化处理
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)2.2 cv2.findContours() 函数
cv2.findContours() 函数的原型如下：
contours, hierarchy = cv2.findContours(image, mode, method)image：输入的二值化图像。mode：轮廓的检索模式，常用的有：cv2.RETR_EXTERNAL：只检测最外层的轮廓。cv2.RETR_LIST：检测所有轮廓，但不建立轮廓之间的层次关系。cv2.RETR_TREE：检测所有轮廓，并建立轮廓之间的层次关系。
method：轮廓的表示方法，常用的有：cv2.CHAIN_APPROX_SIMPLE：只存储轮廓的顶点信息，减少冗余点。cv2.CHAIN_APPROX_NONE：存储所有轮廓点。
2.3 示例代码
import cv2
# 读取图像
img = cv2.imread('./opencv_work/src/num.png')
# 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 进行二值化处理
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)
# 寻找轮廓
contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 打印轮廓数量
print(f"Number of contours found: {len(contours)}")
# 绘制轮廓
cv2.drawContours(img, contours, -1, (0, 255, 0), 2)
# 显示结果
cv2.imshow('Original Image', img)
cv2.imshow('Binary Image', binary)
cv2.waitKey(0)
cv2.destroyAllWindows()2.4 效果
运行上述代码后，我们可以在原始图像上看到检测到的轮廓。cv2.findContours() 函数会返回轮廓的坐标列表，我们可以通过 cv2.drawContours() 函数将这些轮廓绘制出来。
3. 绘制轮廓
找到轮廓后，我们可以使用 cv2.drawContours() 函数将轮廓绘制到图像上。这个函数的原型如下：
cv2.drawContours(image, contours, contourIdx, color, thickness)image：要绘制轮廓的目标图像。contours：轮廓列表。contourIdx：要绘制的轮廓索引。如果设为-1，则绘制所有轮廓。color：轮廓的颜色，BGR 格式。thickness：轮廓的线宽，如果是负数，则填充轮廓内的区域。
示例代码
import cv2
# 读取图像
img = cv2.imread('./opencv_work/src/num.png')
# 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 进行二值化处理
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)
# 寻找轮廓
contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 绘制轮廓
cv2.drawContours(img, contours, -1, (0, 255, 0), 2)
# 显示结果
cv2.imshow('Original Image', img)
cv2.imshow('Binary Image', binary)
cv2.waitKey(0)
cv2.destroyAllWindows()效果
运行上述代码后，我们可以在原始图像上看到绿色的轮廓。这些轮廓清晰地勾勒出了图像中物体的形状。
4. 实际应用
轮廓检测在许多实际应用中都非常有用，例如：
目标识别：通过轮廓可以识别出图像中的物体。
图像分割：将图像中的物体与背景分离。
形状分析：计算物体的周长、面积等特征。
总结
本文介绍了如何使用 OpenCV 进行图像轮廓的检测和绘制。通过灰度化、二值化和轮廓检测，我们可以提取图像中物体的形状信息，并通过绘制轮廓将其可视化。希望本文对你有所帮助！如果你有任何问题或需要进一步的解释，请随时留言。