Opencv輪廓提取

一、輪廓提取的概念

圖像輪廓是連接具有相同顏色和強度的所有連續點（邊緣）的曲線。通過輪廓提取，可以找到圖像中的物體邊緣或者邊緣之間的空隙，從而進行圖像分割等一些列操作。

二、輪廓提取基本流程

在Opencv中，輪廓提取的基本流程包括以下幾個步驟：

1. 讀入原始圖像並進行灰度化處理。
2. 對灰度圖像進行二值化處理。
3. 進行輪廓發現，得到輪廓點集。
4. 繪製輪廓線。

下面是一個完整的示例代碼：

import cv2

img = cv2.imread('example.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, -1, (0, 0, 255), 2)
cv2.imshow('contours', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

三、輪廓的性質

輪廓除了可以用於圖像分割，還可以提供很多其他有用的信息，比如：輪廓面積、周長、質心、邊界框、最小矩形等。

以下是示例代碼：

import cv2

img = cv2.imread('example.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

for i in range(len(contours)):
    area = cv2.contourArea(contours[i])
    arclen = cv2.arcLength(contours[i], True)
    moments = cv2.moments(contours[i])
    cx = int(moments['m10']/moments['m00'])
    cy = int(moments['m01']/moments['m00'])
    rect = cv2.boundingRect(contours[i])
    minRect = cv2.minAreaRect(contours[i])
    box = cv2.boxPoints(minRect)
    box = np.int0(box)

    cv2.drawContours(img, [box], 0, (0, 255, 0), 2)
    cv2.circle(img, (cx, cy), 2, (0, 0, 255), -1)
    cv2.rectangle(img, (rect[0], rect[1]), (rect[0]+rect[2], rect[1]+rect[3]), (255, 0, 0), 2)
    cv2.putText(img, str(i), (cx, cy), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255), 2)

cv2.imshow('contours', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

四、輪廓的近似

在實際應用中，為了降低輪廓點數，可以對輪廓進行近似處理，得到更加簡化的輪廓曲線。常用的方法有：Douglas-Peucker算法和Ramirez-Schafer算法。

openCV提供了approxPolyDP函數進行輪廓近似，函數基本語法如下：

epsilon = cv2.approxPolyDP(curve, epsilon, closed)

其中，curve表示輸入輪廓，epsilon為近似精度，closed為一個布爾值，表示曲線是否閉合。

以下是示例代碼：

import cv2

img = cv2.imread('example.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

for i in range(len(contours)):
    epsilon = 0.01 * cv2.arcLength(contours[i], True)
    approx = cv2.approxPolyDP(contours[i], epsilon, True)
    cv2.drawContours(img, [approx], 0, (0, 0, 255), 2)

cv2.imshow('contours', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

五、總結

通過本文的介紹，我們可以看到輪廓提取在圖像處理中的重要性。在實際應用中，我們可以根據輪廓的性質對物體進行檢測、分割、識別等操作。同時，輪廓的近似處理也可以大大減少輪廓點數，提高圖像處理效率。