Python OpenCV 輪廓檢測與輪廓特征，加影像金字塔知識補充一點點

Python OpenCV 365 天學習計劃，與橡皮擦一起進入影像領域吧，本篇博客是這個系列的第 48 篇，
該系列文章導航參考：https://blog.csdn.net/hihell/category_10688961.html

學在前面

影像金字塔學習的時候，就要想著有個金字塔在你眼前，這個金字塔最底部是你的原影像（源影像），

關于影像金字塔的基本知識，可以翻閱咱們之前的博客 Python OpenCV 之影像金字塔，高斯金字塔與拉普拉斯金字塔 學習，

學習高斯金字塔首先接觸的概念是，向下采樣方法，注意在金字塔，向下是縮小圖片的含義，越靠近金字塔頂部，影像越小，相應的向上采樣法，是方法影像，

好了，影像金字塔一點點的補充已經完畢，

輪廓檢測與輪廓特征

輪廓檢測的基礎學習，請參照 Python OpenCV 基于影像邊緣提取的輪廓發現函式 這篇博客，今天要補充的內容是在進行影像輪廓檢測的時候，cv2.findContours 函式中輪廓檢索模式引數，一般情況下建議使用 RETR_TREE 也就是檢測所有輪廓，

查看一下測驗代碼吧，

import cv2 as cv

src = cv.imread("./t223.jpg")

gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
gaussian = cv.GaussianBlur(gray, (3, 3), 0)

edges = cv.Canny(gaussian, 70, 210)
# 尋找輪廓
contours, hierarchy = cv.findContours(
    edges, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)

# 繪制輪廓
cv.drawContours(src, contours, -1, (0, 0, 255), 1)

cv.imshow('src', src)
cv.waitKey(0)

尋找邊緣使用的是 Canny 函式，找到所有邊緣之后，通過 cv2.drawContours 函式繪制輪廓，

在學習 cv2.drawContours 函式的時候需要注意，有的博客中會提示使用該函式在原圖繪制輪廓之后，會將原圖進行覆寫，但是在橡皮擦使用的這個 opencv 版本中，并未出現上述情況，可能是不同版本導致的，注意下即可，

cv2.findContours 函式

該函式有兩個回傳值，contours 與 hierarchy，其中一個是輪廓本身，另一個就是每條輪廓對應的屬性，
整體測驗代碼與影像使用下述內容，

import cv2 as cv

src = cv.imread("./t22331.jpg")

gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
gaussian = cv.GaussianBlur(gray, (3, 3), 0)

edges = cv.Canny(gaussian, 50, 150)
# 尋找輪廓
contours, hierarchy = cv.findContours(
    edges, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)

# 繪制輪廓
cv.drawContours(src, contours, -1, (0, 0, 255), 2)

cv.imshow('src', src)
cv.waitKey(0)

回傳值 contours

通過下述代碼，先確定一下該引數的基本資料，

# 輪廓詳情
print(type(contours))
print(type(contours[0]))
print(len(contours))

得到的結果是：

<class 'list'>
<class 'numpy.ndarray'>
46

contours 引數是 list 型別、其中每一項都是 numpy.ndarray 型別，串列的長度等于輪廓數量，
合計獲取到 46 個輪廓，可以根據索引去繪制制定輪廓，例如：

# 繪制輪廓
cv.drawContours(src, contours, 1, (0, 0, 255), 2)
cv.drawContours(src, contours, 45, (0, 0, 255), 2)

回傳值 hierarchy 暫時略過，因為和接下來的內容關聯性不強，

輪廓特征

這部分內容又叫做物件測量，在Python OpenCV 物件檢測，影像處理取經之旅第 37 篇 進行了最基礎的學習，本篇繼續對其進行擴展，

咱們的首要目標是學會通過呼叫方法檢測輪廓的不同特征，例如面積、周長、質心、邊界框，

這部分在學習的時候，會用到大量的常見場景和數學知識，由于咱們現在還沒有辦法將這些內容直接應用到真實的案例中，所以數學相關知識與應用場景后置，先學習應用層，了解不同函式實作的結果即可，

接下來拋出不同的概念吧，

矩

在這個階段，只需要知道矩指的是影像的矩，它可以幫助我們計算影像的質心，面積等內容，如果你想提前學習一下數學相關的內容，我也幫你把目前橡皮擦能找到的幾篇不錯的博客貼了出來，你可以先學習一下，后面我們也會迭代學習到，

• 影像的矩特征
• 矩、中心矩、質心、patch 方向
• 影像中矩的概念

大佬們還是咱們努力學習的方向呀，相信不久就能再見面了，

以上內容你可以直接略過，進入正題

先在工具中輸入如下代碼，獲取運行結果，方便后面的學習：

import cv2 as cv

src = cv.imread("./t22331.jpg")

gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
gaussian = cv.GaussianBlur(gray, (3, 3), 0)

edges = cv.Canny(gaussian, 50, 150)
# 尋找輪廓
contours, hierarchy = cv.findContours(
    edges, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)

# 繪制輪廓
cv.drawContours(src, contours, 1, (0, 0, 255), 2)
cv.drawContours(src, contours, 45, (0, 0, 255), 2)
# 選中的第一個輪廓
cnt = contours[0]
# 通過 moments 函式計算的所有矩值的字典
M = cv.moments(cnt)
print(M)

運行之后展示的內容如下：

{'m00': 51.0, 'm10': 12277.833333333332, 'm01': 13028.166666666666, 'm20': 2956012.333333333, 'm11': 3136429.25, 'm02': 3328298.333333333, 'm30': 711743823.85, 'm21': 755128136.4666667, 'm12': 801262936.2, 'm03': 850328986.1500001, 'mu20': 224.26742919441313, 'mu11': 4.5642701531760395, 'mu02': 197.80991285433993, 'mu30': 23.924903512001038, 'mu21': 30.072836493171053, 'mu12': -27.494554918412177, 'mu03': -25.694735527038574, 'nu20': 0.0862235406360681, 'nu11': 0.0017548135921476508, 'nu02': 0.0760514851419992, 'nu30': 0.0012880263706323274, 'nu21': 0.0016190078435839353, 'nu12': -0.0014802029093220657, 'nu03': -0.0013833074364813173}

注意看都是以 m.. 或者 nu.. 開始的各種資料，

輪廓面積

輪廓的面積可以使用函式 cv2.contourArea() 計算得到，也可以使用矩（0 階矩）， 即剛才結果中的 M["m00"] 獲取，

# 輪廓面積
area = cv.contourArea(cnt)
print(area)
# 0 階矩
print(M['m00'])

輪廓周長

也稱為弧長，使用函式 cv.arcLength() 計算得到，該函式的第二引數可以用來指定物件的形狀是閉合的（True），還是打開的（一條曲線），如果曲線閉合，那以上 2 種方法計算結果一致，如果是開曲線，則兩者計算結果不同，其中閉合的方法，會在最后將起始點和終止點連一起的長度加進去，

# 輪廓周長
perimeter = cv.arcLength(cnt,True)
print(perimeter)

后面的內容因為涉及到不同的輪廓，為了檢測出希望操作的輪廓，我遍歷了所有輪廓，找到了周長合適的那個圓形，

for index in range(len(contours)):
    print("索引是：",index)
    cnt = contours[index]
    # 通過 moments 函式計算的所有矩值的字典
    M = cv.moments(cnt)
    # print(M)

    # 輪廓面積
    area = cv.contourArea(cnt)
    print(area)
    # 0 階矩
    print(M['m00'])
    # 輪廓周長
    perimeter = cv.arcLength(cnt,True)
    print(perimeter)

cv.imshow("image",src)
cv.waitKey()

外接矩形

通過下述代碼獲取上圖黃色圓形的外界矩形，外接矩形也叫做邊界矩形或者包圍盒，

它需要找到圖形物件最高點、最低點、最左點、最右點，畫出一個矩形邊界，
使用函式 cv2.boundingRect 計算之后，將結果進行回傳，其中（x，y）為矩形左上角的坐標，（w，h）是矩形的寬和高，

# 外接矩形
x, y, w, h = cv.boundingRect(cnt)
cv.rectangle(src, (x, y), (x + w, y + h), (0, 255, 0), 2)

cv.imshow("src",src)
cv.waitKey()

還可以繪制圓形的最小外接矩形，也叫做旋轉邊界包圍盒，例如下述代碼，回傳 Box2D 結構，包含左上角坐標（x,y），矩形寬，高 （w,h），以及旋轉角度，

# 最小外接矩形
rect = cv.minAreaRect(cnt)
box = np.int0(cv.boxPoints(rect))
cv.drawContours(src, [box], 0, (255, 0, 0), 2)
cv.imshow("src",src)

整體運行結果，略微存在差異，

其余補充學習

有了上述的基本知識概念之后，剩下的就非常容易學習了

最小外接圓
代碼如下，這里我切換了一張圖片，畢竟用圓形做外接圓不太合適，

(x,y),radius = cv.minEnclosingCircle(cnt)
center = (int(x),int(y))
radius = int(radius)
cv.circle(src,center,radius,(0,255,0),2)
cv.imshow("src",src)
cv.waitKey()

橢圓擬合

ellipse = cv.fitEllipse(cnt)
cv.ellipse(src,ellipse,(0,255,0),2)

擬合一條線

# 擬合一條直線
rows, cols = src.shape[:2]
[vx, vy, x, y] = cv.fitLine(cnt, cv.DIST_L2, 0, 0.01, 0.01)
lefty = int((-x*vy/vx) + y)
righty = int(((cols-x)*vy/vx)+y)
cv.line(src, (cols-1, righty), (0, lefty), (0, 255, 0), 2)

以上所有方法的前提都是找到輪廓，如果沒有找到輪廓，所有函式都不會有結果展示，

輪廓近似與凸包相關知識點，依舊后置，這些知識的學習沒有應用場景，很容易被遺忘，

相關資料提前學習，可以檢索 cv2.approxPolyDP 與 cv2.convexHull 函式，

輪廓性質可以由輪廓特征計算得出，包括但不限于，寬高比、輪廓面積與邊界矩形面積的比、 輪廓面積與凸包面積的比、獲取與輪廓面積相等的圓形直徑、方向、輪廓的掩膜與像素點、最大值和最小值及它們的位置、平均顏色及平均灰度、極點、凸缺陷、形狀匹配

橡皮擦的小節

希望今天的 1 個小時你有所識訓，我們下篇博客見~

相關閱讀

技術專欄

1. Python 爬蟲 100 例教程，超棒的爬蟲教程，立即訂閱吧
2. Python 爬蟲小課，精彩 9 講

今天是持續寫作的第 90 / 100 天，
如果你想跟博主建立親密關系，可以關注同名公眾號 夢想橡皮擦，近距離接觸一個逗趣的互聯網高級網蟲，
博主 ID：夢想橡皮擦，希望大家點贊、評論、收藏，