引言

边缘是零零散散的，轮廓是一个整体。

一、准备工作

1.读取图像

2.转灰度图像

3.转换二值图像

import cv2
img=cv2.imread("C:/Users/bwy/Desktop/4.jpg",cv2.IMREAD_GRAYSCALE)
ret,thresh=cv2.threshold(img,127,255,cv2.THRESH_BINARY)#图像转换成二值图像

二、图像轮廓

函数为：cv2.findContours(img,mode,method)

参数解读：

img:显而易见了就是图像

mode:轮廓检索模式

RETR_EXTERNAL:只检索最外面的轮廓

RETR_LIST：检索所有的轮廓，并保存到另一条链表中

RETR_CCOMP:检索所有的轮廓，并将他们组织为两层：顶层是各部分的外部边界，第二层是空洞的边界

RETR_TREE：检索所有的轮廓，并重构嵌套轮廓的整个层次

method：轮廓逼近方法

CHAIN_APPROX_NONE:以Freeman链码的方式输出轮廓，所有其他方法输出多边形（顶点的序列）

CHAIN_APPROX_SIMPLE:压缩水平的、垂直的和斜的部分，也就是，函数只保留他们的终点部分

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

 返回值：

contours：列表，保存轮廓信息。

np.array(contours).shape

结果：

 hierarchy：数组，分层保存轮廓信息

三、绘制图像轮廓

注意：cv2.drawContours(img, contours, contourIdx, color, thickness):

参数说明：

图像要拷贝，不然会在原图像进行操作。

contours：轮廓信息

-1：代表所以有轮廓

(0,0,255)：代表用红色线绘制轮廓（B,G,R),还可以进行颜色的更改

1：代表绘制轮廓线的宽度

draw_img=im.copy()
res=cv2.drawContours(draw_img,contours,-1,(0,0,255),1)
cv_show('res',res)

结果如图所示：

 四、轮廓特征

4.1、轮廓计算

在计算时，不能将轮廓全部放进去计算，计算时需要选出其中一个。下面使用轮廓信息中的第0个轮廓计算它的面积和周长。

# 获取某一个轮廓用于计算
cnt = contours[0]
# ==1== 面积
cv2.contourArea(cnt)  # 8500.5
# ==2== 周长
cv2.arcLength(cnt,True)  # 437.948

4.2轮廓近似

以直线代表曲线，曲线上的两个点构成的直线，曲线上任意找一点到直线的距离最远并且小于阈值就满足以曲代直，否则继续划分。

img1 = cv2.imread("C:/Users/bwy/Desktop/5.png")  # 获取一张图像
gray = cv2.cvtColor(img1,cv2.COLOR_BGR2GRAY)  # 灰度图
ret,thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 二值化
cv_show('thresh',thresh)

结果：

contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)  # 轮廓提取
cnt=contours[0]
draw = img1.copy()  # 绘制轮廓
res = cv2.drawContours(draw, [cnt], -1, (0,0,255), 4)  # 在draw图像中绘制cnt轮廓
cv_show('res',res)  # 绘图
epsilon = 0.01*cv2.arcLength(cnt,True)  # 以周长的百分比作为阈值，指定的越小，得到的轮廓和原来的区别较小
approx = cv2.approxPolyDP(cnt, epsilon, True)  # 近似函数，cnt为轮廓，epsilon阈值。返回近似后的轮廓
draw_image = img1.copy()
res = cv2.drawContours(draw_image,[approx] , -1, (0,255,0),6)  # 将近似后的轮廓approx画在原图上，用蓝色表示，线条粗2
cv_show('res',res)

结果如图所示：

五、轮廓外接圆

# 轮廓外接圆
# 返回圆心坐标和半径
(x,y),radius = cv2.minEnclosingCircle(cnt)
# 圆心坐标
center = (int(x),int(y))
# 半径
radius = int(radius)
# 绘制外接圆，输入整型
circle = cv2.circle(img1,center,radius,(255,0,0),2)
cv_show('circle',circle)

 结果如图所示：