圖像的輪廓檢測，如計算多邊形外界、形狀畢竟、計算感興趣區(qū)域等。

Contours : Getting Started

輪廓

簡單地解釋為連接所有連續(xù)點（沿著邊界）的曲線，具有相同的顏色或強度.
輪廓是形狀分析和物體檢測和識別的有用工具

NOTE

• 為獲得更好的準確性，請使用二值圖，在找到輪廓之前，應用閾值法或canny邊緣檢測
• 從OpenCV 3.2開始， findContours（） 不再修改源圖像，而是將修改后的圖像作為三個返回參數(shù)中的第一個返回
• 在OpenCV中，查找輪廓是從黑色背景中查找白色對象

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

• image：原圖像
• mode：輪廓檢索模式
• method：輪廓近似方法

輸出為： 修改后的圖像，輪廓，層次結構

輪廓是所有輪廓的列表.每個單獨的輪廓是對象邊界點的坐標.

代碼：

            
import cv2
import numpy as np

img = cv2.imread('img.jpg')
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
im2, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
          

繪制輪廓

cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]])

• image：原圖像
• contours：作為Python列表傳遞的輪廓
• contourIdx：輪廓索引（在繪制單個輪廓時很有用。繪制所有輪廓，傳遞-1）

要繪制圖像中的所有輪廓：
cv.drawContours（img，contours，-1，（0,255,0），3）

要繪制單個輪廓，比如第4個輪廓：
cv.drawContours（img，contours，3，（0,255,0），3）

但大多數(shù)情況下，繪制第4個輪廓，以下方法將非常有用：
cnt = contours[4]
cv.drawContours（img，[cnt]，0，（0,255,0），3）

代碼：

            
import cv2
import numpy as np

img = cv2.imread('img7.png')
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
im2, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnt = contours[0]
cv2.drawContours(img,[cnt],0,(0,255,0),3)

cv2.imshow('src',img)

cv2.waitKey()
          

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。