我用的Python3.6,OpenCV3.4。Python3.x与2.x语法不一样,OpenCV2.x与3.x也不一样。看之前得清楚自己用的啥。

本文说白了就是个简单的查找轮廓,并且绘制轮廓。简单说一下这俩个函数用法。

* 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。而返回值
根据OpenCV版本不同也不一样,但这俩个版本都会返回一个元组。OpenCV2.x版本第一个元素是轮廓,,而在OpenCV3.x中第二个
才是轮廓。这个轮廓是一个列表,每个列表元素代表着一个轮廓。
*

cv2.findContours()第二个参数有什么用?对于轮廓来说可能还包含父子关系,也就是说一个轮廓里面可能还包含着其他轮廓(比如说房子的轮廓可以包含一个矩形的窗户,则房子为父,窗户为子,而窗户里可能有个人的头,这又是一种父子关系),这其中的层次结构可以通过对第二个参数设置来选择是否获取。
在这幅图中,给这几个形状编号为 0-5。 2 和 2a 分别代表最外边矩形的外轮廓和内轮廓。在这里边轮廓 0, 1, 2
在外部或最外边。我们可以称他们为(组织结构)0 级,简单来说就是他们属于同一级。接下来轮廓 2a。 我们把它当成轮廓 2 的子轮廓。它就成为(组织结构)第1
级。同样轮廓 3 是轮廓 2 的子轮廓,成为(组织结构)第 3 级。最后轮廓4,5 是轮廓 3a 的子轮廓,成为(组织结构) 4
级(最后一级)。按照这种方式给这些形状编号。而在OpenCV有哪些参数可选呢?
RETR_LIST 从解释的角度来看,这中应是最简单的。它只是提取所有的轮廓,而不去创建任何父子关系。
RETR_EXTERNAL 如果你选择这种模式的话,只会返回最外边的的轮廓,所有的子轮廓都会被忽略掉。
RETR_CCOMP 在这种模式下会返回所有的轮廓并将轮廓分为两级组织结构。
RETR_TREE 这种模式下会返回所有轮廓,并且创建一个完整的组织结构列表。它甚至会告诉你谁是爷爷,爸爸,儿子,孙子等。

*
findContours()第三个参数
什么意思呢?如果设为cv2.CHAIN_APPROX_NONE,,表示边界所有点都会被储存;而如果设为cv2.CHAIN_APPROX_SIMPLE
会压缩轮廓,将轮廓上冗余点去掉,比如说四边形就会只储存四个角点。

*
函数cv2.drawContours()被用来绘制轮廓。第一个参数是一张图片,可以是原图或者其他。第二个参数
是轮廓,也可以说是cv2.findContours()找出来的点集,一个列表。第三个参数是对轮廓(第二个参数)的索引,当需要绘制独立轮廓时很有用,若要全部绘制
可设为-1。接下来的参数是轮廓的颜色和厚度。


还有在使用OpenCV查找轮廓时,为了更准确,需要进行二值化处理:阈值化处理或者进行Canny边缘检测。查找轮廓的函数会修改原始图片,当需要使用原始图片时得注意。并且在OpenCV中查找轮廓就像在黑色背景中找白色背景,所以要找的物体应该是白色,而背景是黑色(来源于OpenCV官方教程中文版)。下面上代码:
import numpy as np import cv2 #读取图片 img = cv2.imread('city.jpg') #二值化,canny检测
binaryImg = cv2.Canny(img,50,200) #寻找轮廓 #也可以这么写: #binary,contours, hierarchy =
cv2.findContours(binaryImg,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
#这样,可以直接用contours表示 h =
cv2.findContours(binaryImg,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)#提取轮廓 contours =
h[1] #打印返回值,这是一个元组 print(type(h)) #打印轮廓类型,这是个列表 print(type(h[1])) #查看轮廓数量 print
(len(contours))#创建白色幕布 temp = np.ones(binaryImg.shape,np.uint8)*255
#画出轮廓:temp是白色幕布,contours是轮廓,-1表示全画,然后是颜色,厚度 cv2.drawContours(temp,contours,-1,(0
,255,0),3) cv2.imshow("contours",temp) cv2.waitKey(0) cv2.destroyAllWindows()
注意由于是OpenCV3,所以返回值只有一个。如果是2.x则是需要俩个返回值,不然会报错。下面放图: