一、findcontours函数介绍
在计算机视觉和图像处理中,轮廓是一个形状的边界,由连续的点组成。findcontours函数是OpenCV中处理轮廓的重要函数之一,它用于找到二值图像中所有物体的轮廓。
二、findcontours函数解析
findcontours函数的基本语法如下:
cv2.findContours(image, mode, method[, contours[, hierarchy[, offset]]])其中,参数image表示输入的二值图像;mode表示轮廓的检索模式,有RETR_EXTERNAL、RETR_LIST、RETR_CCOMP和RETR_TREE等模式可供选择;method表示轮廓的近似方法,有CHAIN_APPROX_NONE、CHAIN_APPROX_SIMPLE、CHAIN_APPROX_TC89_KCOS等方法可供选择。contours表示输出的轮廓,hierarchy表示轮廓的层次信息,offset表示进行轮廓查找时的偏移量。
下面是findcontours函数示例:
import cv2 import numpy as np img = cv2.imread("test.jpg") gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ret, thresh = cv2.threshold(gray, 127, 255, 0) contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) cv2.drawContours(img, contours, -1, (0, 255, 0), 3) cv2.imshow("Contours", img) cv2.waitKey(0) cv2.destroyAllWindows()
上面的代码首先加载一张图片,将其转换成灰度图像,并使用阈值处理生成二值图像。然后使用findcontours函数获取图像中所有物体的轮廓,并将其绘制在原图上展示出来。
三、findcontours函数原理
findcontours函数的实现原理是通过扫描整张二值图像,找到所有的轮廓,并将其存储在一个轮廓的向量中。首先对输入图像进行二值化处理,然后使用指定的轮廓检索模式和近似方法查找轮廓。在轮廓的查找过程中,使用的是逐像素比较法,从而确定图像中每个像素的归属,最终得到所有轮廓的坐标。
在findcontours函数中,轮廓的检索模式和近似方法是非常重要的参数。检索模式决定了找到的轮廓的包含关系,具体而言,RETR_EXTERNAL模式只会返回最外面的轮廓,而RETR_TREE模式会返回所有的轮廓及其嵌套关系。近似方法则影响了轮廓的平滑度,CHAIN_APPROX_SIMPLE方法会忽略所有的不必要的点,从而得到平滑的轮廓。
四、findcontours函数应用
findcontours函数广泛应用于计算机视觉和图像处理领域,可以用于检测图像中的所有物体、计算物体的周长和面积、提取物体的边缘信息等。下面是一些findcontours函数的应用案例。
1、轮廓匹配
轮廓匹配是一种利用轮廓形状进行物体识别和匹配的方法。可以使用findcontours函数提取物体轮廓,并使用matchShapes函数计算两个轮廓间的相似度。下面是一个轮廓匹配的示例:
import cv2 import numpy as np template = cv2.imread('template.jpg',0) target = cv2.imread('target.jpg',0) ret, thresh1 = cv2.threshold(template, 127, 255, 0) ret, thresh2 = cv2.threshold(target, 127, 255, 0) contours, hierarchy = cv2.findContours(thresh1, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) contour1 = contours[0] contours, hierarchy = cv2.findContours(thresh2, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) contour2 = contours[0] ret = cv2.matchShapes(contour1, contour2, 1, 0.0) print(ret)
2、形态学操作
形态学操作是指对图像进行形状变换的处理方法,包括腐蚀、膨胀、开运算、闭运算等。可以使用findcontours函数提取物体轮廓,并将轮廓和形态学操作相结合,实现特定目的。下面是一个形态学操作的示例:
import cv2 import numpy as np img = cv2.imread('test.jpg', 0) ret, thresh = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV) kernel = np.ones((5,5), np.uint8) opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel) contours, hierarchy = cv2.findContours(opening, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) cv2.drawContours(img, contours, -1, (0, 255, 0), 2) cv2.imshow('Contours', img) cv2.waitKey(0) cv2.destroyAllWindows()
3、边缘检测
边缘检测是指检测图像中明暗变化的方法,包括Sobel算子、Canny算子等。可以使用findcontours函数提取物体轮廓,并将轮廓和边缘检测相结合,增强图像的边缘信息。下面是一个边缘检测的示例:
import cv2 import numpy as np img = cv2.imread('test.jpg',0) edges = cv2.Canny(img, 100, 200) contours, hierarchy = cv2.findContours(edges, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) cv2.drawContours(img, contours, -1, (0, 255, 0), 2) cv2.imshow('Contours', img) cv2.waitKey(0) cv2.destroyAllWindows()
五、总结
findcontours函数是OpenCV中处理轮廓的重要函数之一,可以用于找到二值图像中所有物体的轮廓。在使用findcontours函数时,需要重点考虑轮廓的检索模式和近似方法,以达到最佳的轮廓检测效果。通过相应的应用案例,我们可以更直观地了解findcontours函数的实现原理和使用方法。