目标
- 理解什么是轮廓
- 学习找轮廓，绘制轮廓等
- 函数：
cv2.findContours()，cv2.drawContours()
轮廓概念
轮廓可以简单认为成将连续的点（连着边界）连在一起的曲线， 具有相同、的颜色或者灰度。轮廓在形状分析和物体的检测和识别中很有用。
- 为了更加准确，要使用二值化图像。在寻找轮廓之前， 要进行阈值化处理、或者 Canny 边界检测。
- 查找轮廓的函数会修改原始图像。如果在找到轮廓之后还想使用原始图、像的话， 应该将原始图像存储到其他变量中。
- 在 OpenCV 中，查找轮廓就像在黑色背景中超白色物体。 应该记住，要找的物体应该是白色而背景应该是黑色。
如何在一个二值图像中查找轮廓：
函数 cv2.findContours() 有三个参数，第一个是输入图像，
第二个是轮廓检索模式，第三个是轮廓近似方法。
返回值有三个，第一个是图像，第二个是轮廓，第三个是（轮廓的）层析结构。
轮廓（第二个返回值）是一个 Python列表，其中存储这图像中的所有轮廓。
每一个轮廓都是一个 Numpy 数组，包含对象边界点（x，y）的坐标。
注意：后边会对第二和第三个参数，以及层次结构进行详细介绍。 在那之前，例子中使用的参数值对所有图像都是适用的。
绘制轮廓
函数 cv2.drawContours() 可以被用来绘制轮廓。它可以根据提供的边界点绘制任何形状。
它的第一个参数是原始图像，第二个参数是轮廓，一个 Python 列表。
第三个参数是轮廓的索引（在绘制独立轮廓是很有用，当设置为 -1 时绘制所有轮廓）。
接下来的参数是轮廓的颜色和厚度等。
在一幅图像上绘制所有的轮廓：
import matplotlib.pyplot as plt
import numpy as np
import cv2
# im = cv2.imread('test.jpg')
# im = cv2.imread('./messi5.jpg')
im = cv2.imread('./bridnest.jpg')
imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(imgray,127,255,0)
# image, contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
# image, contours = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
img = cv2.drawContours(im, contours, -1, (0,255,0), 3)
plt.imshow(img)
<matplotlib.image.AxesImage at 0x7f08c2d23fb0>
轮廓的近似方法
这是函数 cv2.findCountours() 的第三个参数。它到底代表什么意思呢？
上边已经提到轮廓是一个形状具有相同灰度值的边界。它会存贮形状边界上所有的 (x，y) 坐标。
但是需要将所有的这些边界点都存储吗？这就是这个参数要告诉函数 cv2.findContours 的。
这个参数如果被设置为 cv2.CHAIN_APPROX_NONE ，所有的边界点都会被存储。但是真的需要这么多点吗？
例如，当找的边界是一条直线时。用需要直线上所有的点来表示直线吗？不是的，只需要这条直线的两个端点而已。
这就是 cv2.CHAIN_APPROX_SIMPLE 要做的。它会将轮廓上的冗余点都去掉，压缩轮廓，从而节省内存开支。
用下图中的矩形来演示这个技术。在轮廓列表中的每一个坐标上画一个蓝色圆圈。
第一个图显示使用 cv2.CHAIN_APPROX_NONE 的效果，一共 734 个点。
第二个图是使用 cv2.CHAIN_APPROX_SIMPLE 的结果，只有 4 个点。看到他的威力了吧！
