深入探究cv2.findcontours返回值

一、返回值概述

cv2.findcontours函數用於檢測二值圖像中的輪廓。這個函數返回三個參數，分別是：

image, contours, hierarchy = cv2.findContours(image, mode, method)

其中，image是輸入的二值圖像；contours是一個列表，其中包含檢測出來的輪廓；hierarchy描述了輪廓之間的關係。

二、contours參數詳解

上面提到，contours是一個列表，其中包含檢測出來的輪廓。每一個輪廓都是由一系列點組成的，可以使用cv2.drawContours函數將其畫出。但是在實際應用中，我們還需要進一步了解這個contours參數。

首先，我們可以通過len(contours)來獲取圖像中的輪廓數量，也可以使用cv2.drawContours函數畫出指定的輪廓。假設我們想要畫出第二個輪廓，代碼如下：

cv2.drawContours(img, [contours[1]], -1, (0,255,0), 3)

如果想要獲取第一個輪廓的面積，可以使用cv2.contourArea函數。同理，我們還可以獲取輪廓的周長（cv2.arcLength）、邊界矩形（cv2.boundingRect）、最小閉合圓（cv2.minEnclosingCircle）等信息。

三、hierarchy參數詳解

在返回值中，hierarchy描述了輪廓之間的關係。hierarchy是一個形狀和contours一樣的多維數組，每一行的元素有四個分量，分別表示後一個輪廓、前一個輪廓、父輪廓和內部輪廓。如果當前輪廓沒有對應的後一個、前一個、父輪廓或內部輪廓，那麼對應分量的值為-1。

對於複雜的輪廓，在使用cv2.drawContours函數時，我們可以通過注釋掉一部分代碼，只畫出特定的輪廓。如果想畫出所有的輪廓，可以使用以下代碼：

cv2.drawContours(img, contours, -1, (0,255,0), 3)

如果想提取某一個輪廓的所有子輪廓，可以使用hierarchy參數。以下是獲取第一個輪廓的子輪廓的示例代碼：

child_ids = hierarchy[0,:,2]
child_contours = [contours[i] for i in child_ids if i != -1]

四、輪廓近似

cv2.findContours返回的輪廓是由一系列點組成的，但是實際應用中，我們往往需要將輪廓進行近似，以便用更少的點來表示輪廓。這個近似過程可以通過cv2.approxPolyDP實現，它需要兩個參數：輸入的輪廓和近似程度（epsilon）。近似的結果是一系列點，可以使用cv2.drawContours函數將其畫出。

以下是進行近似的示例代碼：

epsilon = 0.01 * cv2.arcLength(contours[0], True)
approx = cv2.approxPolyDP(contours[0], epsilon, True)
cv2.drawContours(img, [approx], -1, (0, 0, 255), 3)

五、輪廓特徵提取

在檢測輪廓時，如果我們想要進行輪廓匹配或者分類，那麼需要從輪廓中提取一些特徵。常見的特徵包括：輪廓面積、周長、重心、邊界框、外接圓、最大直徑等。以下是獲取輪廓面積和周長的示例代碼：

area = cv2.contourArea(contours[0])
perimeter = cv2.arcLength(contours[0], True)

需要注意的是，這些特徵提取函數都需要傳入輪廓作為參數。

六、小結

本文深入探究了cv2.findContours函數返回值中的contours和hierarchy參數，並且介紹了輪廓近似和輪廓特徵提取。通過這些知識點，我們可以更好地理解輪廓檢測的原理，並且在實際應用中更加靈活地使用輪廓。