opencv(13):cv2.findContours、cv::findContours简要介绍及opencv各版本cv2.findContours函数说明_小言_互联网的博客


  
   
    
     
    
    
     
      void cv::findContours ( InputOutputArray image,
     
    
   
    
     
    
    
     
       OutputArrayOfArrays contours,
     
    
   
    
     
    
    
     
       OutputArray hierarchy,
     
    
   
    
     
    
    
     
       int mode,
     
    
   
    
     
    
    
     
       int method,
     
    
   
    
     
    
    
     
       Point offset = Point() 
     
    
   
    
     
    
    
     
       )

c++构造形式2：


  
   
    
     
    
    
     
      void cv::findContours ( InputOutputArray image,
     
    
   
    
     
    
    
     
       OutputArrayOfArrays contours,
     
    
   
    
     
    
    
     
       int mode,
     
    
   
    
     
    
    
     
       int method,
     
    
   
    
     
    
    
     
       Point offset = Point() 
     
    
   
    
     
    
    
     
       )

1.3 参数说明：

image：

源图像，8 位单通道图像。非零像素被视为 1。零像素保持为 0，因此图像被视为二进制。您可以使用 compare 、 inRange 、 threshold 、adaptiveThreshold 、 Canny 等从灰度或彩色图像中创建二值图像。该函数在提取轮廓的同时修改图像。如果 mode 等于 RETR_CCOMP 或 RETR_FLOODFILL，则输入也可以是标签的 32 位整数图像 (CV_32SC1)。

contours：

检测到的轮廓。每个轮廓都存储为点向量。

hierarchy：

可选的输出向量，包含有关图像拓扑的信息。它具有与轮廓数一样多的元素。对于每个第 i 个轮廓 contours[i] ，元素 hierarchy[i][0] 、 hiearchy[i][1] 、 hiearchy[i][2] 和 hiearchy[i][3] 设置为 0-基于同一层级的下一个和前一个轮廓的轮廓中的索引，分别是第一个子轮廓和父轮廓。如果轮廓 i 没有下一个、上一个、父级或嵌套轮廓，则 hierarchy[i] 的相应元素将为负数。

mode：

轮廓检索模式，见 cv::RetrievalModes

method:

轮廓逼近方法，见 cv::ContourApproximationModes

offset:

每个轮廓点移动的可选偏移量。如果从图像 ROI 中提取轮廓，然后应该在整个图像上下文中对其进行分析，这将很有用。

2. opencv各版本cv2.findContours说明

2.1 opencv3.x

image, contours, hierarchy = cv.findContours(image, mode, method[, contours[, hierarchy[, offset]]])

三个参数，注意参数的顺序

2.2 opencv2.x和4.x

contours, hierarchy = cv.findContours(image, mode, method[, contours[, hierarchy[, offset]]])

两个参数，注意参数的顺序

3 cv2.findContours使用示例：

3.1 opencv3.x版本

测试图片：test.png，两个图片，左图会找不到轮廓导致程序报错，右图可以找到

python代码：


  
   
    
     
    
    
     
      # -*- coding:utf-8 -*-
     
    
   
    
     
    
    
     
      import numpy 
      as np
     
    
   
    
     
    
    
     
      import cv2
     
    
   
    
     
    
    
     
      im = cv2.imread(
      'test2.png') 
      ##读入彩色图片，用于后面的显示矩形框
     
    
   
    
     
    
    
     
      cv2.imshow(
      'im', im) 
      ##hxz
     
    
   
    
     
    
    
     
      cv2.waitKey(
      0)
      ##hxz
     
    
   
    
     
    
    
     
      imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
     
    
   
    
     
    
    
     
      ret,thresh = cv2.threshold(imgray,
      127,
      255,
      0)
     
    
   
    
     
    
    
     
      im2, contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
     
    
   
    
     
    
    
      
     
    
   
    
     
    
    
     
      #找到最大的轮廓
     
    
   
    
     
    
    
     
      area = []
     
    
   
    
     
    
    
     
      for k 
      in 
      range(
      len(contours)):
     
    
   
    
     
    
    
     
          area.append(cv2.contourArea(contours[k]))
     
    
   
    
     
    
    
     
      max_idx = np.argmax(np.array(area))
     
    
   
    
     
    
    
      
     
    
   
    
     
    
    
     
      rect = cv2.minAreaRect(contours[max_idx])
     
    
   
    
     
    
    
     
      points = cv2.boxPoints(rect) 
      #得到最小外接矩形的四个点坐标
     
    
   
    
     
    
    
     
      points = np.int0(points) 
      #坐标值取整
     
    
   
    
     
    
    
      
     
    
   
    
     
    
    
     
      image_show = cv2.drawContours(im, [points], 
      0, (
      0 ,
      0 , 
      255), 
      4) 
      ##hxz 红色更明显 
     
    
   
    
     
    
    
      
     
    
   
    
     
    
    
     
      cv2.imshow(
      'image_show', image_show) 
      ##hxz
     
    
   
    
     
    
    
     
      cv2.waitKey(
      0)
      ##hxz