Python OpenCV图像边缘轮廓检测

前言

图像的轮廓检测不论是机器视觉还是其他方面都有较大作用，本文将基与Python3.7和OpenCV4.3对静态图像进行轮廓检测。最终以方框的形式框出目标图像。

函数基础与三方库

本文所用的第三方库是Opencv4.3

导入第三方库

import cv2 as cv

由于Opencv显示图像比较麻烦，与matlab或matplob不一致，考虑到基础薄弱可能对此库的图像显示机制不了解，在此我先定义一个img_show函数，目的是更方便的显示图像。

def img_show(pic，name):
'''
此函数img_show()用于调用OpenCV的相关函数来进行图像展示
name为显示图像窗口的名称(name为字符串)
pic为被显示图像（pic为opencv imread进来的图片）
'''
    cv.imshow(pic,name)
    cv.waitkey(0)
    cv.destroyAllWindows()

cv.threshold(pic,thresh,maxvalue,model)

此函数用于图像单通道不同阈值的操作，一般用来将图像进行二值化处理，二值化处理将有助于边缘检测的梯度计算。
其中pic为待处理图片，由于是对单通道处理，所以pic一般要转换为灰度图

thresh为操作阈值，高于这个阈值的将根据不同的model统一成 0 或 maxvalue

model为操作方法，一般只需要cv.THRESH_BINARY_INV和cv.THRESH_BINARY

…THRESH_BINARY_INV 将大于thresh的设置为0

…THRESH_BINARY 将大于thresh的设置为255

该图像有两个返回值，第一个返回值为阈值，即thresh值，第二个为二值图像的矩阵

cv.findContours（待处理图片,model（提取模式）,method（提取方法））

此函数用于提取pic的轮廓点，pic为二值图像时，函数提取将更加精准

model 为提取模式 一般用到cv.RETR_EXTERNAL和cv.RETR_TREE

…Extrnal为以外层轮廓的方式进行提取

…Tree则提取图像内外层所有轮廓

method 为提取方法，有cv.CHAIN_APPROX_NONE和cv.CHAIN_APPROX_SIMPLE

…NONE为以线的方式连接提取出来的轮廓

…SIMPLE则压缩了线和斜边，只标记了轮廓的各个顶点

此函数的返回值有两个，一个是边缘点（列表形式），一个是层次信息

contours,hierarchy = cv.findContours(pic,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_NONE)

此段代码的意思是

基于pic 此图像

使用描述外轮廓的模式

通过各个点链接的方式进行轮廓提取

最终得到轮廓列表集合contours和层次关系hierarchy

注：在contours里面有非常多的轮廓集合，比如contours[0]\contours[1]\contours[2]是三个轮廓，可能只有1是目标轮廓，其他均为噪声轮廓

cv.drawContours（画布,轮廓集合,索引,颜色,粗细）

此函数用于在指定画布，用指定颜色粗细的线画出指定轮廓（索引判断）或所有轮廓（-1）

画布：将轮廓点画在画布上，一般是代替去图片的copy图，不然会污染原图。

轮廓集合：上文中提到的contours，其中包含了目标轮廓和噪声轮廓的所有轮廓

索引：选定轮廓集合中的某一轮廓，如果你知道目标轮廓的编号可以直接写，如果不知道就写-1，可以画出所有轮廓

颜色： 元组形式，（255，0，0）为红色，以此类推

粗细：轮廓的粗细 1~任意整数，太大会覆盖原图

cv.boundingRect(图像）

此函数用于将检测的函数进行矩阵点的查找

图像：被检测的图像，一般是传入目标的轮廓，即contours[index],index为目标编号

此函数会返回四个值：x,y,w,h

其中x,y指的是该图像x轴上最小值和y轴最小值（有左上角为原点时），w,h跟别指的囊括图像所有的宽和高

代码实现

#导入opencv
import cv2 as cv

#定义opencv的图像显示函数
def img_show(pic,name):
    cv.imshow(pic,name)
    cv.waitKey(0)
    cv.destroyAllWindows()

#彩色模式读入图片
eagle_o = cv.imread('eagle.png',1)
# 图片转为灰度图
eagle = cv.cvtColor(eagle_o,cv.COLOR_BGR2GRAY)
# 将图像转换为二值图
ret,eagle_2v = cv.threshold(eagle,125,255,cv.THRESH_BINARY_INV) #ret为阈值，eagl_2v为二值图
# 基于二值图像用外轮廓的模式，通过全点连接轮廓的方法提取轮廓
contours,hierarchy = cv.findContours(eagle_2v,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_NONE)
# 在copy图上画出所有轮廓
img = cv.drawContours(eagle_o.copy(),contours,-1,(255,25,0),5)
# 获取目标图像的最小矩阵，此处29为目标的轮廓
x,y,w,h = cv.boundingRect(contours[29])
# 绘制目标框
img = cv.rectangle(eagle_o,(x,y),(x+w,y+h),(255,255,0),7)
img_show('goal',img)

实现效果

总结