輪廓是一系列相連的點(diǎn)組成的曲線，代表了物體的基本外形。談起輪廓不免想到邊緣，它們確實(shí)很像。簡(jiǎn)單的說，輪廓是連續(xù)的，邊緣并不全都連續(xù)（下圖）。其實(shí)邊緣主要是作為圖像的特征使用，比如可以用邊緣特征可以區(qū)分臉和手；而輪廓主要用來分析物體的形態(tài)，比如物體的周長(zhǎng)和面積等，可以說邊緣包括輪廓。

尋找輪廓的操作一般用于二值圖像，所以通常會(huì)使用閾值分割或Canny邊緣檢測(cè)先得到二值圖。

注意：尋找輪廓是針對(duì)白色物體的，一定要保證物體是白色，而背景是黑色，不然很多人在尋找輪廓時(shí)會(huì)找到圖片最外面的一個(gè)框。

import cv2 as cvimport numpy as npimg = cv.imread(’j.png’)img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)ret, thresh = cv.threshold(img_gray, 0, 255, cv.THRESH_BINARY_INV + cv.THRESH_OTSU)# 尋找二值圖像的輪廓contours, hierarchy = cv.findContours( thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)print(len(contours)) 參數(shù)2：輪廓的查找方式，一般使用cv.RETR_TREE，表示提取所有的輪廓并建立輪廓間的層級(jí)。 參數(shù)3：輪廓的近似方法。比如對(duì)于一條直線，我們可以存儲(chǔ)該直線的所有像素點(diǎn)，也可以只存儲(chǔ)起點(diǎn)和終點(diǎn)。使用cv.CHAIN_APPROX_SIMPLE就表示用盡可能少的像素點(diǎn)表示輪廓。 簡(jiǎn)便起見，這兩個(gè)參數(shù)也可以直接用真值3和2表示。 函數(shù)有2個(gè)返回值，hierarchy是輪廓間的層級(jí)關(guān)系，這個(gè)不用理會(huì)。我們主要看contours，它就是找到的輪廓了，以鏈表形式存儲(chǔ)，記錄了每條輪廓的所有像素點(diǎn)的坐標(biāo)(x,y)。

輪廓找出來后，可以像圖中那樣用紅色畫出來：cv.drawContours()

cv.drawContours(img, contours, -1, (0, 0, 255), 2)其中參數(shù)2就是得到的contours，參數(shù)3表示要繪制哪一條輪廓，-1表示繪制所有輪廓，參數(shù)4是顏色（B/G/R通道，所以(0,0,255)表示紅色），參數(shù)5是線寬。

經(jīng)驗(yàn)之談：很多人畫圖時(shí)明明用了彩色，但沒有效果，請(qǐng)檢查你是在哪個(gè)圖上畫，畫在灰度圖和二值圖上顯然是沒有彩色的。

一般情況下，我們會(huì)首先獲得要操作的輪廓，再進(jìn)行輪廓繪制及分析：cnt = contours[1]cv.drawContours(img, [cnt], 0, (0, 0, 255), 2)

import cv2 as cvimport numpy as npimg = cv.imread(’jiao.jpg’)img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)ret, thresh = cv.threshold(img_gray, 0, 255, cv.THRESH_BINARY_INV + cv.THRESH_OTSU)# 尋找二值圖像的輪廓contours, hierarchy = cv.findContours( thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)cnt = contours[1:6]cv.drawContours(img, cnt, -1, (0, 0, 255), 2)cv.imshow(’result’,img)cv.waitKey(0)cv.destroyAllWindows()實(shí)驗(yàn)結(jié)果

以上就是python 基于opencv 繪制圖像輪廓的詳細(xì)內(nèi)容，更多關(guān)于python 繪制圖像輪廓的資料請(qǐng)關(guān)注好吧啦網(wǎng)其它相關(guān)文章！