连通域的轮廓点集(contours)

首先读入灰度图.

import numpy as np
import cv2
gray = cv2.imread('cute_princess.png', cv2.IMREAD_GRAYSCALE)

这幅画是阿凯手绘的, 取名为可爱的小公主.

接下来呢, 我们利用cv2.findContours 来寻找二值化图像的轮廓.

如果不是二值化图片而是灰度图的话, opencv会这样处理:

0 如果灰度图该点像素点为0
1 如果是除零以外的其他值

# 获取边缘信息
image, contours, hierarchy = cv2.findContours(image=gray,mode=cv2.RETR_TREE, method=cv2.CHAIN_APPROX_SIMPLE)

1.参数解析

image 传入的图片
mode 模式选择，检测外轮廓还是内轮廓，是否包含继承（包含）关系等．

关于模式的问题，比较复杂下文还会细讲.
- cv2.RETR_EXTERNAL 只检测外轮廓。忽略轮廓内部的洞。
- cv2.RETR_LIST : 检测所有的轮廓但不建立继承(包含)关系．
- cv2.RETR_TREE 检测所有轮廓，并且建立所有的继承(包含)关系。
- cv2.RETR_CCOMP 检测所有轮廓，但是仅仅建立两层包含关系。
method 边缘记录方法
- cv2.CHAIN_APPROX_NONE 记录边缘所有的点.
- cv2.CHAIN_APPROX_SIMPLE 仅记录必要的点, 去除所有冗余点. 可以降低内存消耗.
下面这个图是官网的例子.

左边是采用CHAIN_APPROX_NONE 方法检测到的轮廓点集, 一共734个点.

右边是采用CHAIN_APPROX_SIMPLE 方法检测到的轮廓点集, 一共4个点.

2 返回参数

image, contours, hierarchy

2.1 `image` 灰度图的二值化图像

如果传入的就是二值化的图像则二者值相同.

2.2 `contours` 轮廓点集数组

注意: 该contours样例讲解

是在 mode=cv2.RETR_TREE 与method=cv2.CHAIN_APPROX_SIMPLE 条件下获取的.

[cnt0, cnt1, ...., cntn]

contour样例

二号点集(cnt2)是一个矩形比较简单, 所以我们可以打印出来看一下.

print(contours[2])

[[[330 283]]

 [[330 327]]

 [[526 327]]

 [[526 283]]]