- 了解轮廓是什么。
- 学习查找轮廓，绘制轮廓等。
- cv2.findContours()，cv2.drawContours()
轮廓可以简单地解释为连接具有相同颜色或强度的所有连续点（沿边界）的曲线。轮廓是用于形状分析以及对象检测和识别的有用工具。
为了获得更高的准确性，请使用灰度图像。因此，在找到轮廓之前，请应用阈值或canny边缘检测
从OpenCV 3.2开始，cv2.findContours()不再修改源图像。在OpenCV中，找到轮廓就像从黑色背景中找到白色物体。因此，要找到的对象应该是白色，背景应该是黑色。
下面是找灰度图图像的轮廓：
import cv2
import numpy as np
im = cv.imread('box.jpg')
imgray = cv2.cvtColor(im, cv.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
contours, hierarchy = cv2.findContours(thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
contours, hierarchy = cv2.findContours( image, mode, method[, contours[, hierarchy[, offset]]] ) findcontour()函数中有三个参数
- 第一个是源图像
- 第二个是轮廓检索模式
- 第三个是轮廓逼近方法。输出等高线和层次结构。
contours轮廓是图像中所有轮廓的Python列表。每个单独的轮廓是一个(x, y)坐标的Numpy数组的边界点的对象
如何绘制轮廓?注意
稍后将详细讨论第二和第三个参数以及有关层次结构。在此之前，代码示例中赋予它们的值将适用于所有图像。
要绘制轮廓，使用cv2.drawContours函数。只要有边界点，它也可以用来绘制任何形状。
image = cv.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]] )
- 第一个参数是源图像
- 第二个参数是应该作为Python列表传递的轮廓
- 第三个参数是轮廓的索引（在绘制单个轮廓时有用。要绘制所有轮廓，请传递-1）
- 其余参数是颜色，厚度等等
在图像中绘制所有轮廓：
cv2.drawContours(img, contours, -1, (0,255,0), 3)
绘制单个轮廓，如第四个轮廓：
cv2.drawContours(img, contours, 3, (0,255,0), 3)
但是在大多数情况下，以下方法会很有用：
cnt = contours[4] cv2.drawContours(img, [cnt], 0, (0,255,0), 3)
轮廓近似方法注意
最后两种方法相似，但是前进时，您会发现最后一种更有用。
轮廓近似方法是cv2.findContours函数中的第三个参数。它实际上表示什么？
上面我们告诉轮廓是强度相同的形状的边界。它存储形状边界的(x,y)坐标。但是它会存储所有坐标吗？这取决于轮廓近似方法的不通。
近似方法有两种：
- cv2.CHAIN_APPROX_NONE : 将存储所有边界点
- cv2.CHAIN_APPROX_SIMPLE: 删除所有冗余点并压缩轮廓，从而节省内存
但实际上是否需要所有这些要点吗？例如，找到了一条直线的轮廓。是否需要线上的所有点来代表该线？不，只需要该线的两个端点即可。这就是cv2.CHAIN_APPROX_SIMPLE所做的。它删除所有冗余点并压缩轮廓，从而节省内存。
下面的矩形图像演示了此技术。只需在轮廓数组中的所有坐标上绘制一个圈（以蓝色绘制）。第一幅图像显示了用cv2.CHAIN_APPROX_NONE获得的积分（734个点），第二幅图像显示了用cv2.CHAIN_APPROX_SIMPLE获得的效果（只有4个点），这可以节省很多内存。
- https://docs.opencv.org/4.1.2/d4/d73/tutorial_py_contours_begin.html
- https://docs.opencv.org/4.1.2/d3/dc0/group__imgproc__shape.html#gadf1ad6a0b82947fa1fe3c3d497f260e0
- https://docs.opencv.org/4.1.2/d6/d6e/group__imgproc__draw.html#ga746c0625f1781f1ffc9056259103edbc
