目录
一、轮廓的检测与绘制
1.1 cv2.findContours()函数
1.2 cv2.drawContours()函数
1.3 轮廓检测示例代码
二、显示边界框
2.1 cv2.boundingRect()函数
2.2 cv2.rectangle()函数
2.3 显示绘制边界框
2.4 个人笔记和进阶版显示边框
2.4.1 个人笔记
2.4.2 进阶版显示边框
一、轮廓的检测与绘制
轮廓检测（Contour Detection）用于检测图像中的边缘或物体的轮廓。轮廓是图像中连续的、具有相同颜色或灰度值的像素点所组成的曲线。通过轮廓检测，可以提取出图像中的对象的形状和结构信息。
1.1 cv2.findContours()函数
cv2.findContours() 函数是用于查找图像中的轮廓的。它的输入参数是一个二值化图像，其中白色像素表示前景，黑色像素表示背景。函数返回的是一个包含轮廓的列表，每个轮廓都是一个由点组成的边界。
函数的语法如下：
contours, hierarchy = cv2.findContours(image, mode, method, offset)
参数说明：
- image：输入的二值图像，通常为灰度图像或二值化图像。图像需要为8位无符号整型。
- mode：轮廓检索模式。有四种模式可选：
- cv2.RETR_EXTERNAL：只检测外部的轮廓。
- cv2.RETR_LIST：检测所有的轮廓，不建立轮廓间的层级关系。
- cv2.RETR_CCOMP：检测所有的轮廓，并将其组织为两层的层级关系。
- cv2.RETR_TREE：检测所有的轮廓，并将其组织为树状的层级关系。
- method：轮廓近似方法。有三种方法可选：
- cv2.CHAIN_APPROX_NONE：保存所有的轮廓点。
- cv2.CHAIN_APPROX_SIMPLE：只保存轮廓的端点。
- cv2.CHAIN_APPROX_TC89_L1和cv2.CHAIN_APPROX_TC89_KCOS：通过Teh-Chin链码逼近算法进行轮廓近似。
- offset：可选参数，用于指定轮廓点的偏移量。
函数返回两个值：
- contours：返回的轮廓信息，是一个由多个轮廓组成的列表。
- hierarchy：返回的轮廓层级信息，与轮廓列表对应。每个轮廓对应一个四元组(hierarchy[0], hierarchy[1], hierarchy[2], hierarchy[3])，分别为后一个轮廓、前一个轮廓、父轮廓、子轮廓的索引。如果没有则为-1。
1.2 cv2.drawContours()函数
cv2.drawContours()函数是OpenCV中用于绘制轮廓的函数。
函数的语法为：
image = cv2.drawContours(image, contours, contourIdx, color, thickness)参数说明：
- image：输入的图像，可以是灰度图像或彩色图像。
- contours：轮廓信息，可以是通过cv2.findContours()函数得到的轮廓列表。
- contourIdx：轮廓的索引，指定要绘制的轮廓。如果为负数（例如-1），则绘制所有的轮廓。
- color：绘制轮廓的颜色，可以是指定的颜色（例如(0,255,0)表示绿色）或者是使用-1用于绘制填充轮廓。
- thickness：轮廓线的宽度。如果为负数（例如-1），则绘制填充轮廓。默认值为1。
函数的返回值为绘制轮廓后的图像。
1.3 轮廓检测示例代码
一般cv2.findContours()函数和cv2.drawContours()函数配合使用。
使用OpenCV库进行轮廓检测的示例代码：
import cv2# 读取图片
image = cv2.imread('image.jpg')# 转换为灰度图像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 阈值化处理
ret, thresh = cv2.threshold(gray, 127, 255, 0)# 轮廓检测
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)# 绘制轮廓
cv2.drawContours(image, contours, -1, (0, 255, 0), 3)# 显示结果
cv2.imshow('Contours', image)
cv2.waitKey(0)
cv2.destroyAllWindows()
首先读取一张图片，然后将其转换为灰度图像。接下来，对灰度图像进行阈值化处理，将图像转换为二值图像。然后，使用cv2.findContours()函数进行轮廓检测，该函数返回检测到的轮廓以及它们的层级关系。最后，使用cv2.drawContours()函数在原始图像上绘制检测到的轮廓。结果图像将显示出带有轮廓的物体。
二、显示边界框
2.1 cv2.boundingRect()函数
cv2.boundingRect()函数是OpenCV中一个用于计算轮廓的边界框的函数。它接受一个轮廓作为输入，并返回一个表示该轮廓的最小外接矩形的边界框。
函数的语法如下：
x, y, width, height = cv2.boundingRect(contour)参数说明：
- contour：要计算边界框的轮廓，可以通过cv2.findContours()函数找到。
返回值说明：
- x, y：边界框的左上角坐标。
- width, height：边界框的宽度和高度。
该函数返回的边界框是一个矩形，可以用于识别轮廓的位置和大小。
2.2 cv2.rectangle()函数
cv2.rectangle()函数是OpenCV中的一个函数，用于在图像上绘制矩形。
函数原型为：
cv2.rectangle(img, pt1, pt2, color[, thickness[, lineType[, shift]]])参数说明：
- img：要绘制矩形的图像。
- pt1：矩形的左上角顶点的坐标。
- pt2：矩形的右下角顶点的坐标。
- color：矩形的颜色，可以是BGR格式的颜色值，也可以是灰度值。
- thickness：矩形线条的宽度。如果thickness为正数，则表示线条宽度。如果thickness为负数或者等于-1，则表示矩形内部被填充。
- lineType：线条类型，默认为cv2.LINE_8。可以设置为cv2.LINE_4、cv2.LINE_8、cv2.LINE_AA等。
- shift：坐标点的小数位数。
2.3 显示绘制边界框
使用cv2.boundingRect()来显示边界框，首先将边界框计算出来，然后使用cv2.rectangle()在图像上绘制边界框。
下面是一个简单的示例代码，它显示如何使用cv2.boundingRect()显示边界框：
import cv2# 读取图像
image = cv2.imread('image.jpg')# 将图像转换为灰度图像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 对灰度图像应用Canny边缘检测
edges = cv2.Canny(gray, 100, 200)# 查找轮廓
contours, hierarchy = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)# 绘制边界框
for contour in contours:# 计算边界框x, y, w, h = cv2.boundingRect(contour)# 在图像上绘制边界框cv2.rectangle(image, (x, y), (x+w, y+h), (0, 255, 0), 2)# 显示图像
cv2.imshow('Bounding Rect', image)
cv2.waitKey(0)
cv2.destroyAllWindows()
示例中，首先读取图像并将其转换为灰度图像。然后，应用Canny边缘检测来检测图像的边缘。接下来，使用cv2.findContours()函数查找图像的轮廓。然后，对每个轮廓，使用cv2.boundingRect()函数计算边界框的坐标和尺寸。最后，使用cv2.rectangle()在图像上绘制边界框，并显示结果图像。
2.4 个人笔记和进阶版显示边框
2.4.1 个人笔记
"""
轮廓层次
函数原型: contours, hierarchy = cv2.findContours(image, mode, method)hierarchy 为四个值的数值: [Next, Previous, First_Child, Parent]Next 表示下一个相同轮廓等级的轮廓Previous 表示上一个相同轮廓级別的轮廓First_Child 表示其第一个子轮廓Parent 表示其父代轮廓的索引contours 返回一个列表,列表中每个元素都是图像中的一个轮廓,用numpy中的ndarray表示image 参数是寻找轮廓的图像mode 参数表示轮廓的检索模式cv2.RETR_EXTERNAL 表示只检测外轮廓cv2.RETR_LIST 检测的轮廓不建立等级关系cv2.RETR_CCOMP 建立两个等级的轮廓,上面的一层为外边界,里面的一层为内孔的边界信息cv2.RETR_TREE 建立一个等级树结构的轮廓method 轮廓的近似办法 cv2.CHAIN_APPROX_NONE 存储所有的轮廓点,相邻的两个点的像素位置差不超过1cv2.CHAIN_APPROX_SIMPLE 压缩水平、垂直和对角线方向的元素,只保留该方向的终点坐标绘制轮廓
函数原型: cv2.drawContours(img, contours, 10, color, thickness)img: 输入图片contours: 轮廓信息 (cv2.findContours()得到的结果)10: 轮廓序号color: 轮廓颜色thinkness: 轮廓粗细拟合直角矩形
函数原型: x,y,w,h = cv.boundingRect(contours)(x,y): 轮廓左上角点坐标w: 轮廓宽h: 轮廓高contours: 绘制的轮廓信息拟合旋转矩形
函数原型: Rect = cv2.minAreaRect(contour) (RECT有三个值)Rect[0]: 矩形中心点坐标Rect[1]: 矩形的长、宽Rect[2]: 矩形的旋转角度 (x轴逆时针到 w(宽)的角度)contour: 轮廓信息函数原型: cv.boxPoints(rect) 作用: 将 cv2.minAreaRect(contour)得到的结果转化成四个点的坐标绘画矩形: cv.rectangle(img, ps, pe, color, thickness)img: 要绘制形状的图片ps: 起点位置坐标pe: 终点位置坐标 color: 绘制的颜色thickness: 线宽,默认为 1;对于矩形或者圆之类的封闭形状而言,传入 -1表示填充形状
""""""
range()函数 可创建一个整数列表,一般应用在 for循环中,增量默认为 1range(stop): 生成一个从 0开始到 stop的整数数列 ( 0 <= n < stop )range(start,stop): 生成一个从 start到 stop的整数数列 ( start <= n<stop )range(start,stop,step): 生成一个增量为 step,且从start到stop的整数数列(start,start + step, ... ,n - step, n)"""2.4.2 进阶版显示边框
import cv2 as cv
import numpy as npdef boundingBOX(img,contours,i): # 创建函数x,y,w,h=cv.boundingRect(contours[i]) # 拟合直角矩形cv.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2) # 绘制矩形def minAreaBOX(img,contours,i):rect = cv.minAreaRect(contours[i]) # 拟合旋转矩形box = cv.boxPoints(rect)box = np.int0(box)cv.drawContours(img,[box],0,(0,255,0),2)if __name__=="__main__":img = cv.imread("D:/Open_CV/OpenCV_demo/Pictures/1.jpg")image = cv.imread("D:/Open_CV/OpenCV_demo/Pictures/1.jpg")imgG = cv.cvtColor(img,cv.COLOR_BGR2GRAY)ret,B = cv.threshold(imgG,60,255,cv.THRESH_BINARY)contours,hierarchy = cv.findContours(B,cv.RETR_TREE,cv.CHAIN_APPROX_SIMPLE) # 轮廓检测cv.drawContours(img,contours,-1,(0,255,0),2)for i in range(len(contours)): # len(): 返回对象(字符、列表、元组等)长度或项目个数minAreaBOX(img,contours,i)boundingBOX(img,contours,i)cv.imshow("img",img)cv.imshow("image",image) # 显示原图cv.waitKey(0)
运行结果：
![[机器学习]练习-KNN算法](https://img-blog.csdnimg.cn/direct/2c60f4dfbffd4815b1d39ab68827e28b.png)
