OpenCV学习之路（十）轮廓的一些操作/contours返回值详解/轮廓类似详解

在findContours()函数中，我们一共返回了三个参数：image，contours，hierarchy。其中image代表的是修改之后的原图，contours代表的是轮廓，hierarchy代表的是轮廓的层次结构。我们主要来讨论一下第二个返回值：contours。以及轮廓可以进行的一些操作。

contours

contours代表的是找到的轮廓，它是一个numpy中的列表结构，那么接下来就让我们探究一下这个列表究竟是怎么存储轮廓的。

import numpy as np
import cv2
img=cv2.imread('D://zopencv//contours.png')
imgcopy=img.copy()
imgray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,img_thre=cv2.threshold(imgray,127,255,cv2.THRESH_BINARY)
image,contours,hierarchy=cv2.findContours(img_thre,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
mask1=cv2.drawContours(imgcopy,contours,-1,(0,0,255),2)
cv2.imshow('mask1',mask1)
cv2.waitKey(0)
cv2.destroyAllWindows()

之前我们已经讨论过了，drawContours()函数的第三个参数是轮廓的索引，如果我们定为-1就会把所有轮廓画出。那你有没有想过，他既然是索引，我们是不是可以一个一个轮廓的画出来。
我们将索引定为0：

mask1=cv2.drawContours(imgcopy,contours,0,(0,0,255),2)

只有正方形的轮廓被画了出来，也就是说，正方形的轮廓在轮廓列表contours中的索引是0.
同理，我们可以把索引分别设置成1,2。箭头和圆的轮廓分别被画出来了。从这我们也可以看出，contours列表中的大致情况。
有了这些理解，我们下面理解轮廓的操作就会顺利许多。

一些操作

图像面积

简言之就是计算一个图像的轮廓包起来的面积。
构造函数如下：

cv2.contourArea()

一定要把contours列表按索引单独计算，容易理解。

image,contours,hierarchy=cv2.findContours(img_thre,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
cnt=contours[0]
area=cv2.contourArea(cnt)
print(area)
#3080.0

轮廓周长

同理，图像的轮廓周长
构造函数：

 cv2.arcLength(cnt,True) 

• 第二个参数用来指定图像时闭合的（True），还是不闭合。

image,contours,hierarchy=cv2.findContours(img_thre,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
cnt=contours[0]
length=cv2.arcLength(cnt,True)
#222.0

轮廓近似

我们在实际应用中，有时候图像会长的不尽人意，轮廓也因此奇形怪状，但是我们想让图像的轮廓能变得“整齐”一些，我们就需要用到轮廓近似的方法。
其原理就是：我们先设置一个值thre=x，然后在图像中找到两个带你A，B，两点间做辅助线，得到距离AB实际边缘最远距离d，只要d小于thre，那么AB之间的实际轮廓就可以近似为AB直接做的辅助线（直线）。

但是如果d>thre，那么我们就在AC、BC之间再连线，重复AB之间的做法，如果d小于thre，就可近似为直线，否则继续重复操作。有点像二分操作的思想。

道理就是这样，OpenCV中提供给我们现成的函数：

approx = cv2.approxPolyDP(cnt,epsilon,True)

• cnt：轮廓
• epsilon：我们自己定义的thre，也就是那个分界值。
• True：设定轮廓是否闭合

import numpy as np
import cv2
img=cv2.imread('D://zopencv//lunkuojinsi.png')
imgcopy=img.copy()
imgray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,img_thre=cv2.threshold(imgray,127,255,cv2.THRESH_BINARY)
image,contours,hierarchy=cv2.findContours(img_thre,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
cnt=contours[0]
epsilon=0.1*cv2.arcLength(cnt,True)
mask2=cv2.approxPolyDP(cnt,epsilon,True)
mask1=cv2.drawContours(imgcopy,[mask2],-1,(0,0,255),2)
cv2.imshow('mask1',mask1)
cv2.waitKey(0)
cv2.destroyAllWindows()

我们取周长的十分之一作为界限，得到如上图像。很显然，轮廓变得整齐了起来。

边界矩形

我们在物体识别追踪之类的项目中常常需要把识别到的物体框起来，这时候就需要用到边界矩形。
两个函数一起调用：

x,y,w,h = cv2.boundingRect(cnt) 
img = cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)

• （x，y）是矩形左上角的坐标
• w，h是矩形的宽和高

import numpy as np
import cv2
img=cv2.imread('D://zopencv//contours.png')
imgcopy=img.copy()
imgray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,img_thre=cv2.threshold(imgray,127,255,cv2.THRESH_BINARY)
image,contours,hierarchy=cv2.findContours(img_thre,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
cnt=contours[1]
x,y,w,h=cv2.boundingRect(cnt)
cv2.rectangle(img,(x,y),(x+w,y+h),(255,255,0),thickness=2)
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

外接圆

函数：

(x,y),radious=cv2.minEnclosingCircle(cnt)

这个函数返回轮廓最小外接圆的圆心坐标和半径，但要注意返回值不是int型。

import numpy as np
import cv2
img=cv2.imread('D://zopencv//contours.png')
imgcopy=img.copy()
imgray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,img_thre=cv2.threshold(imgray,127,255,cv2.THRESH_BINARY)
image,contours,hierarchy=cv2.findContours(img_thre,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
cnt=contours[1]
(x,y),radious=cv2.minEnclosingCircle(cnt)
img=cv2.circle(img,(int(x),int(y)),int(radious),(255,255,0),2)
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()