OpenCV輪廓檢測

一、簡介

OpenCV是一個強大且流行的計算機視覺庫，廣泛應用於各種領域，如機器人、安防、自動駕駛、醫療等。OpenCV提供了許多函數和演算法來處理圖像和視頻的問題，而輪廓檢測是其中之一。輪廓是由圖像中的連續點組成的曲線，其表示了這個物體的邊界。輪廓檢測可以在計算機視覺領域中起到非常重要的作用，例如圖像分割、物體識別、運動跟蹤、手勢識別等。

二、基本函數

OpenCV提供了許多輪廓檢測的函數，其中最常用的函數是findContours()。該函數可用於在二進位圖像中找到所有的輪廓。該函數返回的結果是一組點的列表，每個列表代表一個輪廓。在使用findContours()函數之前，我們需要將圖像轉換為二進位圖像，即使得背景為黑色，物體為白色的圖像。接下來是 findContours()函數的基本使用：

import cv2
img = cv2.imread('image.tif')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, -1, (0,0,255), 3)
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

以上代碼展示了如何使用findContours()函數來檢測圖像的輪廓。首先讀入一張圖像，將其轉換為灰度圖像，然後將灰度圖像轉換為二進位圖像。接著使用findContours()函數找到圖像中所有的輪廓，繪製出所有輪廓，並將結果列印出來。

三、檢測模式

1. RETR_EXTERNAL

該模式只檢測最外層的輪廓，忽略不在外部的輪廓。

img = cv2.imread('image.tif')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, -1, (0,0,255), 3)

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

2. RETR_TREE

該模式會檢測所有的輪廓，並且將其組合成一個樹形結構，每個輪廓都有一個父輪廓和子輪廓。

img = cv2.imread('image.tif')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

for i in range(len(contours)):
    if hierarchy[0][i][3] == -1:
        cv2.drawContours(img, contours, i, (0, 255, 0), 2)

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

以上代碼展示了如何使用RETR_TREE模式檢測圖像的輪廓，並展示了如何訪問輪廓的層次結構。

四、逼近方法

逼近方法是指我們可以用一條直線或一個多邊形來逼近一個輪廓。這對於降低計算量和壓縮數據是非常有用的。OpenCV提供了多種逼近方法，包括：

• cv2.CHAIN_APPROX_NONE：存儲所有的邊界點
• cv2.CHAIN_APPROX_SIMPLE：只存儲拐角點
• cv2.CHAIN_APPROX_TC89_L1
• cv2.CHAIN_APPROX_TC89_KCOS

1. cv2.CHAIN_APPROX_NONE

使用cv2.CHAIN_APPROX_NONE模式，可以檢測出圖像的所有輪廓點。下面是代碼示例：

img = cv2.imread('image.tif')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

for cnt in contours:
    cv2.drawContours(img, [cnt], 0, (0,255,0), 3)

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

2. cv2.CHAIN_APPROX_SIMPLE

使用cv2.CHAIN_APPROX_SIMPLE模式，只保存重要的拐角點，可以大大減小存儲空間。下面是代碼示例：

img = cv2.imread('image.tif')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

for cnt in contours:
    cv2.drawContours(img, [cnt], 0, (0,255,0), 3)

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

3. cv2.approxPolyDP()

除了cv2.CHAIN_APPROX_SIMPLE以外，我們還可以使用cv2.approxPolyDP()函數對輪廓進行逼近。該函數會將輪廓逼近為一條直線或一組多邊形。下面是代碼示例：

img = cv2.imread('image.tif')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

for cnt in contours:
    epsilon = 0.01 * cv2.arcLength(cnt, True)
    approx = cv2.approxPolyDP(cnt, epsilon, True)
    cv2.drawContours(img, [approx], 0, (0,255,0), 3)

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

五、結論

本文詳細介紹了OpenCV輪廓檢測的基本函數、檢測模式和逼近方法。輪廓檢測是計算機視覺中常用的技術之一，可以用於圖像分割、物體識別、運動跟蹤、手勢識別等。通過本文的介紹，讀者可以掌握OpenCV輪廓檢測的基本原理和常用方法，為計算機視覺的研究和應用提供幫助。