七.OpenCv图像轮廓

最新推荐文章于 2025-07-13 17:44:36 发布

原创

最新推荐文章于 2025-07-13 17:44:36 发布 · 3.7k 阅读

23 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #计算机视觉 #python

本文详细介绍了OpenCV中的图像轮廓概念及其在物体识别和检测中的作用。讲解了查找轮廓、绘制轮廓的方法，以及如何计算轮廓面积和周长。此外，还探讨了多边形逼近、凸包、外接矩形等关键操作，为图像处理和计算机视觉提供实用技巧。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

7. 图像轮廓

7.1 什么是图像轮廓

图像轮廓是具有相同颜色或灰度的连续点的曲线. 轮廓在形状分析和物体的检测和识别中很有用。

轮廓的作用:

用于图形分析
物体的识别和检测

注意点:

为了检测的准确性，需要先对图像进行二值化或Canny操作。
画轮廓时会修改输入的图像, 如果之后想继续使用原始图像，应该将原始图像储存到其他变量中。

7.2 查找轮廓

findContours(image, mode, method[, contours[, hierarchy[, offset]]])
- mode 查找轮廓的模式
  - RETR_EXTERNAL = 0, 表示只检测外围轮廓
  - RETR_LIST = 1, 检测的轮廓不建立等级关系, 即检测所有轮廓, 较为常用
  - RETR_CCOMP = 2, 每层最多两级, 从小到大, 从里到外.
  - RETR_TREE = 3, 按照树型存储轮廓, 从大到小, 从右到左.
    
    ![](
- method 轮廓近似方法也叫ApproximationMode
  - CHAIN_APPROX_NONE 保存所有轮廓上的点
  - CHAIN_APPROX_SIMPLE, 只保存角点, 比如四边形, 只保留四边形的4个角, 存储信息少, 比较常用
- 返回 contours和hierachy 即轮廓和层级

import cv2
import numpy as np

# 该图像显示效果是黑白的, 但是实际上却是3个通道的彩色图像.
img = cv2.imread('./contours1.jpeg')

# 变成单通道的黑白图片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化, 注意有2个返回值, 阈值和结果
ret, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)

# cv2.imshow('img', img)
# cv2.imshow('binary', binary)

# 轮廓查找, 新版本返回两个结果, 轮廓和层级, 老版本返回3个参数, 图像, 轮廓和层级
result, contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 打印轮廓
print(contours)
cv2.waitKey(0)
cv2.destroyAllWindows()

7.3 绘制轮廓

drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]])
- image 要绘制的轮廓图像
- contours轮廓点
- contourIdx 要绘制的轮廓的编号. -1 表示绘制所有轮廓
- color 轮廓的颜色, 如 (0, 0, 255)表示红色
- thickness线宽, -1 表示全部填充

import cv2
import numpy as np

# 该图像显示效果是黑白的, 但是实际上却是3个通道的彩色图像.
img = cv2.imread('./contours1.jpeg')

# 变成单通道的黑白图片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化, 注意有2个返回值, 阈值和结果
ret, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)


# 轮廓查找, 新版本返回两个结果, 轮廓和层级, 老版本返回3个参数, 图像, 轮廓和层级
result, contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2