当前位置:   article > 正文

【Python】【Opencv】cv2.findContours()、cv2.drawContours()和cv2.contourArea()函数详解和运行示例

cv2.contourarea

为帮助大家理解和使用cv2.findContours()、cv2.drawContours()和cv2.contourArea()函数,本文通过对函数内容进行详解,并通过运行示例更直观表述。

函数解析

cv2.findContours()

cv2.findContours 是 OpenCV 中的一个函数,用于在二值图像中查找轮廓。以下是该函数的详细解释和参数说明:

函数原型
cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]])

参数:
image:输入图像,通常是一个二值图像。
mode:轮廓检索模式。它可以是以下值之一:
cv2.RETR_EXTERNAL:只检索最外层的轮廓。
cv2.RETR_LIST:检索所有轮廓,并以列表形式返回。
cv2.RETR_CCOMP:检索所有轮廓,并以树状结构(contour hierarchy)形式返回。此时,轮廓被分为不同的层级。
cv2.RETR_TREE:检索所有轮廓,并以完整的树状结构形式返回。
method:轮廓近似方法。它可以是以下值之一:
cv2.CHAIN_APPROX_NONE:存储轮廓上的所有点。
cv2.CHAIN_APPROX_SIMPLE:压缩水平、垂直和对角方向的轮廓点。
cv2.CHAIN_APPROX_TC89_L1 和 cv2.CHAIN_APPROX_TC89_KCOS:使用L1和KOS链逼近算法。
contours(可选):输出参数,返回检测到的轮廓。
hierarchy(可选):输出参数,返回轮廓的层次结构。它是一个多通道多维数组,其中每个轮廓由三个数组组成:[next, previous, first_contour]。其中,“next”是下一个轮廓的索引,“previous”是上一个轮廓的索引,“first_contour”是起始轮廓的索引。
offset(可选):偏移量,指定从哪里开始搜索轮廓。例如,如果指定了(10, 10),则从图像的(10, 10)位置开始搜索轮廓。

返回值:
如果指定了contours参数,则此函数返回被检测到的第一个轮廓的索引;否则,不返回任何内容。

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21

cv2.drawContours()

cv2.drawContours 是 OpenCV 中的一个函数,用于在图像上绘制轮廓。以下是该函数的详细解释和参数说明:

函数原型:
cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy ]]])

参数:
image:输入/输出图像。你可以提供一个初始图像(用于绘制轮廓)或提供一个空图像(将返回绘制好的轮廓图像)。
contours:输入轮廓的列表。通常,这是通过 cv2.findContours 函数获得的轮廓列表。
contourIdx:要绘制的轮廓的索引。如果要绘制所有轮廓,则将其设置为-1。
color:轮廓的颜色。通常使用 BGR 格式,例如 (255, 0, 0) 表示蓝色。
thickness(可选):线条的厚度。如果为负数(如 -1),则会填充轮廓内部。
lineType(可选):线条类型,可以是 cv2.LINE_8, cv2.LINE_4, 或 cv2.LINE_AA。
hierarchy(可选):轮廓的层次结构信息,通常与 cv2.findContours 一起使用。
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11

cv2.contourArea()

cv2.contourArea() 是 OpenCV 中的一个函数,用于计算轮廓的面积。这个函数对于分析图像中的对象或区域非常有用。

函数原型:
cv2.contourArea(contour[, oriented_area])

参数:
contour:这是一个轮廓的点集,通常通过 cv2.findContours() 函数获得。
oriented_area(可选):如果提供了这个参数,它返回有方向的面积。0表示顺时针方向,正数表示逆时针方向。

返回值:
返回轮廓的面积。
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

运行示例

运行示例

import cv2
import numpy as np

# 加载图像并转为灰度图
image = cv2.imread('./images/36.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 二值化处理
_, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 查找轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

for i,contour in  enumerate(contours):
    cnt_area = cv2.contourArea(contour)
    print(cnt_area)
    if cnt_area>200:
        cv2.drawContours(image, contours, i, (0, 0, 255), 3)  # 用红色线条绘制第一个轮廓
# # 绘制第一个轮廓
# cv2.drawContours(image, contours, 0, (0, 0, 255), 3)  # 用红色线条绘制第一个轮廓
# #计算第一个轮廓面积
# cnt_area = cv2.contourArea(contours[0])
# print(cnt_area)
cv2.imshow('erzhihua', thresh)
cv2.imwrite("36_erzhihua.jpg",thresh)
cv2.imshow('Contours', image)
cv2.imwrite("36_Contours.jpg",image)
cv2.waitKey(0)
cv2.destroyAllWindows()
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29

原图:
在这里插入图片描述
二值化图像:
在这里插入图片描述
轮廓图像:
在这里插入图片描述

示例详解

(1)读取一幅名为36.jpg的图像.
(2)使用cv2.cvtColor()函数进行灰度图像转换。
(3)使用cv2.threshold()函数进行二值化处理。
(4)使用cv2.findContours()函数查找图像中的轮廓。
(5)使用cv2.contourArea()函数计算轮廓的面积。
(6)判断轮廓的面积是否大于200,如大于则进行(7)。
(7)使用cv2.drawContours()函数将轮廓画到原图像中。
(8)展示和保存图像。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/IT小白/article/detail/148821
推荐阅读
相关标签
  

闽ICP备14008679号