一、獲取輪廓--findContours cv2.findContours() 的第二個引數主要有 - cv2.RETR_LIST:檢測的輪廓不建立等級關係
- cv2.RETR_TREE:L建立一個等級樹結構的輪廓。
- cv2.RETR_CCOMP:建立兩個等級的輪廓,上面的一層為外邊界,裡面的一層為內孔的邊界資訊。
- cv2.RETR_EXTERNAL:表示只檢測外輪廓
cv2.findContours() 的第三個引數 method為輪廓的近似辦法 - cv2.CHAIN_APPROX_NONE儲存所有的輪廓點,相鄰的兩個點的畫素位置差不超過1,即max(abs(x1-x2),abs(y2-y1))==1
- cv2.CHAIN_APPROX_SIMPLE壓縮水平方向,垂直方向,對角線方向的元素,只保留該方向的終點座標,例如一個矩形輪廓只需4個點來儲存輪廓資訊
- cv2.CHAIN_APPROX_TC89_L1,CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似演算法
返回值:image, contours, hierarchy - contour返回值
cv2.findContours()函式首先返回一個list,list中每個元素都是影像中的一個輪廓,用numpy中的ndarray表示。 - hierarchy返回值
該函式還可返回一個可選的hiararchy結果,這是一個ndarray,其中的元素個數和輪廓個數相同,每個輪廓contours對應4個hierarchy元素hierarchy[0] ~hierarchy[3],分別表示後一個輪廓、前一個輪廓、父輪廓、內嵌輪廓的索引編號,如果沒有對應項,則該值為負數。
二、繪出輪廓--drawContourscv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset ]]]]]) - 第一個引數是指明在哪幅影像上繪製輪廓;
- 第二個引數是輪廓本身,在Python中是一個list。
- 第三個引數指定繪製輪廓list中的哪條輪廓,如果是-1,則繪製其中的所有輪廓。後面的引數很簡單。其中thickness表明輪廓線的寬度,如果是-1(cv2.FILLED),則為填充模式。繪製引數將在以後獨立詳細介紹。
三、測試- import cv2
- img = cv2.imread('test.png')
- gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
- ret,binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
- _,contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
- draw_img0 = cv2.drawContours(img.copy(),contours,0,(0,255,255),3)
- draw_img1 = cv2.drawContours(img.copy(),contours,1,(255,0,255),3)
- draw_img2 = cv2.drawContours(img.copy(),contours,2,(255,255,0),3)
- draw_img3 = cv2.drawContours(img.copy(), contours, -1, (0, 0, 255), 3)
- print ("contours:型別:",type(contours))
- print ("第0 個contours:",type(contours[0]))
- print ("contours 數量:",len(contours))
- print ("contours[0]點的個數:",len(contours[0]))
- print ("contours[1]點的個數:",len(contours[1]))
- cv2.imshow("img", img)
- cv2.imshow("draw_img0", draw_img0)
- cv2.imshow("draw_img1", draw_img1)
- cv2.imshow("draw_img2", draw_img2)
- cv2.imshow("draw_img3", draw_img3)
- cv2.waitKey(0)
- cv2.destroyAllWindows()
- #################################
- # 輸出:
- # contours:型別: <class 'list'>
- # 第0 個contours: <class 'numpy.ndarray'>
- # contours 數量: 3
- # contours[0]點的個數: 6
- # contours[1]點的個數: 74
複製代碼
文章出處
|