图像轮廓(1)

Posted 2023-03-09

参考技术A

边缘检测虽然能够检测出边缘，但是边缘不是连续的，检测到的边缘不是一个整体。 图像轮廓是指将边缘连接起来形成一个整体

cv2.RETR_LIST：对检测到的轮廓不建立等级关系

cv2.RETR_EXTERNAL：只检测外轮廓

cv2.RETE_CCOMP：检测所有轮廓并组织成两级层次结构，上面一层为外边界，下面一层为内控的边界
（注：当含有多个层次结构时，其也只会得到两层的层次结构，而TREE会得到多层）

cv2.RETR_TREE：建立一个等级树结构的轮廓

如何表达轮廓

cv2.CHAIN_APPROX_SIMPLE ：压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点元素

cv2.CHAIN_APPROX_NONE：存储所有轮廓点

返回值image：绘制了轮廓的图像
参数：
image：待绘制轮廓的图像，会在image上直接绘制，后续如果image原始图像有用，需要先复制备份
contours：需要绘制的轮廓
contourIdx：一个整数或者0，表示对应的索引号；-1表示绘制全部轮廓

thickness：-1，表示绘制实心轮廓

绘制一副图像中的所有轮廓

逐个显示一幅图像中的边缘信息

使用轮廓绘制功能，提取前景图像

比较两个轮廓最简单的方法是比较二者的轮廓矩。 轮廓矩代表了一个轮廓，一幅图像，一组点集的全部特征 ，矩信息包含了对应对象的不同类型的几何特征，例如大小，位置，角度，形状等。如果两个轮廓的矩一致，那么这两个轮廓就是一致的。

矩特征被广泛应用在 模式识别 和 图像识别 方面

空间矩(m00表示轮廓的面积)
中心矩(比较不同位置上两个对象的一致性)
归一化中心矩(不仅具有平移不变性，还具有缩放不变性)

array：可以是点集，灰度图像，二值图像
binaryImage： 该参数为True时 ，arry内所有的非零值被处理为1, 也就是二值化 ， 仅在array为图像时有效

oriented：
True，返回值包含正负号，用来表示轮廓是顺时针还是逆时针
False，表示返回的retval是一个绝对值

closed:
True，轮廓封闭
False，轮廓不封闭

Hu矩是归一化中心矩的线性组合。 Hu矩在图像旋转，平移，缩放等操作后，仍能保持矩的不变性 ，所以经常拿Hu矩作为识别图像的特征

其中，hu是表示返回的Hu矩值，m是由参数cv2.moments()计算得到的矩特征值

由于Hu矩的值本身就非常的小，因此这里没有发现两个对象的Hu矩差值的特殊意义

通过Hu矩来判断两个对象的一致性

其中 retval返回左上角顶点的x,y以及宽和高（x,y,w,h）

采用cv2.boundingRect()和cv2.rectangle()绘制矩形包围框

此处返回的[最小外接矩形中心，(宽，高)，旋转角度]，必须经过下面函数

此处的points值再经过np.int0()取整，可以应用于cv2.drawContours()

retval:最小外包三角形的面积
triangle:最小外包三角形的三个顶点集

注意：三个顶点集的坐标必须转化为整数

返回值：逼近多边形的点集
参数：轮廓，原始轮廓边界点与逼近多边形边界之间的最大距离，True：封闭；False不封闭

DP算法：该算法首先从轮廓中找到距离最远的两个点，并且将两点相连。接下来在轮廓上找到一个距离当前直线最远的点，并且将该点与原有直线连成一个封闭多边形，上述过程不断迭代，将新的找到的距离当前多边形最远的点加入到结果中。当轮廓上所有的点到当前多边形的距离都小于函数cv2.approxPolyDP()的参数epsilon的值时，就停止迭代

构造不同精度的逼近多边形