轮廓可以简单认为成将连续的点(连着边界)连在一起的曲线,具有相同的颜色或者灰度。 轮廓在形状分析和物体的检测和识别中很有用
–为了更加准确,要使用二值化图像。 –在寻找轮廓之前,要进行阈值化处理或者 Canny 边界检测 –查找轮廓的函数会修改原始图像 –如果你在找到轮廓之后还想使用原始图像的话,你应该将原始图像存储到其他变量中 –在 OpenCV 中,查找轮廓就像在黑色背景中找白色物体 –你应该记住, 要找的物体应该是白色而背景应该是黑色
函数 cv2.findContours()
//函数imread读取的图像本身就是灰色的,不用再置灰处理
img = cv2.imread('person_454.bmp',0)
ret,thresh = cv2.threshold(img,127,255,0)
image, contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
结果:
有三个参数
–第一个是输入图像 –第二个是轮廓检索模式 –第三个是轮廓近似方法
返回值有三个 –第一个是图像 –第二个 是轮廓 –第三个是(轮廓的)层析结构
轮廓(第二个返回值)是一个 Python 列表,其中存储这图像中的所有轮廓 每一个轮廓都是一个 Numpy 数组,包含对象边界点(x,y)的坐标
函数 cv2.drawContours() 可以被用来绘制轮廓
它可以根据你提供 的边界点绘制任何形状
img = cv2.drawContour(img, contours, -1, (0,255,0), 3)
这个方法被弃用了
它有5个参数: –第一个参数是原始图像, –第二个参数是轮廓,一个Python 列表。 –第三个参数是轮廓的索引(在绘制独立轮廓是很有用,当设置为-1时绘制所有轮廓)。 –第四个是轮廓的颜色 –第五个是轮廓的厚度
一般用这种方法:
img = cv2.drawContours(img, contours, 3, (0,255,0), 3)
结果: