目录
[1. 什么是轮廓？](#1. 什么是轮廓？)
[2. 寻找轮廓](#2. 寻找轮廓)
[2.1 图像预处理](#2.1 图像预处理)
[2.2 cv2.findContours() 函数](#2.2 cv2.findContours() 函数)
[2.3 示例代码](#2.3 示例代码)
[2.4 效果](#2.4 效果)
[3. 绘制轮廓](#3. 绘制轮廓)
示例代码
效果
[4. 实际应用](#4. 实际应用)
总结
在图像处理和计算机视觉中，轮廓检测是一种非常重要的技术。轮廓可以被看作是物体的边界，通过检测轮廓，我们可以提取物体的形状信息，进而实现目标识别、分割等任务。本文将详细介绍如何使用 OpenCV 进行图像轮廓的检测和绘制。
1. 什么是轮廓？
轮廓是一系列相连的点组成的曲线，它代表了物体的基本外形。与边缘不同，轮廓是连续的，而边缘可能并不连续。轮廓主要用于分析物体的形态，例如计算物体的周长和面积等。简单来说，轮廓可以帮助我们更好地理解图像中物体的形状。
2. 寻找轮廓
在 OpenCV 中，我们使用 cv2.findContours() 函数来寻找轮廓。这个函数的原理比较复杂，但我们可以简单理解为它会遍历图像中的像素，找到边界点并将它们连接起来形成轮廓。
2.1 图像预处理
在寻找轮廓之前，我们需要对图像进行预处理，包括灰度化和二值化。这是因为轮廓检测需要在二值图像上进行，这样可以更清晰地识别边界。
python
复制代码
import cv2
# 读取图像
img = cv2.imread('./opencv_work/src/num.png')
# 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 进行二值化处理
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)
2.2 cv2.findContours() 函数
cv2.findContours() 函数的原型如下：
python
复制代码
contours, hierarchy = cv2.findContours(image, mode, method)
image：输入的二值化图像。
mode：轮廓的检索模式，常用的有：
cv2.RETR_EXTERNAL：只检测最外层的轮廓。
cv2.RETR_LIST：检测所有轮廓，但不建立轮廓之间的层次关系。
cv2.RETR_TREE：检测所有轮廓，并建立轮廓之间的层次关系。
method：轮廓的表示方法，常用的有：
cv2.CHAIN_APPROX_SIMPLE：只存储轮廓的顶点信息，减少冗余点。
cv2.CHAIN_APPROX_NONE：存储所有轮廓点。
2.3 示例代码
python
复制代码
import cv2
# 读取图像
img = cv2.imread('./opencv_work/src/num.png')
# 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 进行二值化处理
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)
# 寻找轮廓
contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 打印轮廓数量
print(f"Number of contours found: {len(contours)}")
# 绘制轮廓
cv2.drawContours(img, contours, -1, (0, 255, 0), 2)
# 显示结果
cv2.imshow('Original Image', img)
cv2.imshow('Binary Image', binary)
cv2.waitKey(0)
cv2.destroyAllWindows()
2.4 效果
运行上述代码后，我们可以在原始图像上看到检测到的轮廓。cv2.findContours() 函数会返回轮廓的坐标列表，我们可以通过 cv2.drawContours() 函数将这些轮廓绘制出来。
3. 绘制轮廓
找到轮廓后，我们可以使用 cv2.drawContours() 函数将轮廓绘制到图像上。这个函数的原型如下：
python
复制代码
cv2.drawContours(image, contours, contourIdx, color, thickness)
image：要绘制轮廓的目标图像。
contours：轮廓列表。
contourIdx ：要绘制的轮廓索引。如果设为 -1，则绘制所有轮廓。
color：轮廓的颜色，BGR 格式。
thickness：轮廓的线宽，如果是负数，则填充轮廓内的区域。
示例代码
python
复制代码
import cv2
# 读取图像
img = cv2.imread('./opencv_work/src/num.png')
# 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 进行二值化处理
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)
# 寻找轮廓
contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 绘制轮廓
cv2.drawContours(img, contours, -1, (0, 255, 0), 2)
# 显示结果
cv2.imshow('Original Image', img)
cv2.imshow('Binary Image', binary)
cv2.waitKey(0)
cv2.destroyAllWindows()
效果
运行上述代码后，我们可以在原始图像上看到绿色的轮廓。这些轮廓清晰地勾勒出了图像中物体的形状。
4. 实际应用
轮廓检测在许多实际应用中都非常有用，例如：
目标识别：通过轮廓可以识别出图像中的物体。
图像分割：将图像中的物体与背景分离。
形状分析：计算物体的周长、面积等特征。
总结
本文介绍了如何使用 OpenCV 进行图像轮廓的检测和绘制。通过灰度化、二值化和轮廓检测，我们可以提取图像中物体的形状信息，并通过绘制轮廓将其可视化。希望本文对你有所帮助！如果你有任何问题或需要进一步的解释，请随时留言。