OpenCV-Python教程:22.轮廓层级

Posted 2023-03-29

参考技术A 理论

在前面的关于轮廓的几节里，我们介绍了轮廓相关的一些函数。但当我们用cv2.findContours()函数来找轮廓的时候，我们传入了一个参数，Contour Retrieval Mode。我们一般传的是cv2.RETR_LIST或者cv2.RETR_TREE这样就可以了。但是这个参数实际是什么意思呢？

并且在输出时我们得到了三个数组，第一个是图像，第二个是我们的轮廓，第三个输出名字是hierarchy。但是我们一直没用这个。

什么是层级?

一般来说我们用cv2.findContours()函数来检测图像里的目标，有时候目标在不同的地方，但是在有些情况下，有些图形在别的图形里面，就像图形嵌套，在这种情况下，我们把外面那层图形叫做parent，里面的叫child。这样图形里的轮廓之间就有了关系。我们可以指定一个轮廓和其他之间的是如何连接的，这种关系就是层级。

看下面的例子：

在这个图像里，不同的图形我标注了0-5，2和2a表示了最外层盒子的外部和内部轮廓。

这里轮廓0,1,2是外部的。我们可以说他们是hierarchy-0,或者他们是同层级的。

接下来是contour-2a，可以认为是轮廓-2的孩子，或者反过来，contour-2是contour-2a的父亲，所以它在hierarchy-1里。类似的contour-3是contour-2的孩子，在下一层级。最后contour4,5是contour-3a的孩子，它们在最后的层级。

OpenCV里的层级表示

每个轮廓有他自己的关于层级的信息，谁是他的孩子，谁是他的父亲等。OpenCV用一个包含四个值得数组来表示：[Next, Previous, First_Child, Parent]

"Next表明同一层级的下一个轮廓"

比如，在我们的图片里的contour-0，水上hi他相同层级的下一个轮廓？是contour-1，所以Next=1，对于Contour-1，下一个是contour-2，所以Next=2

那对于contour-2呢？没有同层级的下一个轮廓，所以Next=-1。那么对于contour-4呢？同层级的下一个是contour-5，所以下一个轮廓是contour-5.Next=5

"Previous指同层级的前一个轮廓"

和上面一样，contour-1的前一个是contour-0.contour-2的前一个contour-1.对于contour-0没有前序，所以-1

"First_Child指它的第一个孩子轮廓"

不用解释，对于contour-2,孩子是contour-2a，所以这里是contour-2a的索引，contour-3a有两个孩子，但我们只取第一个，是contour-4，所以First_Child=4.

"Parent指它的父轮廓索引"

和First_Child相反，contour-4和contour-5的parent都是contour-3a,对于contour-3a，是contour-3

注意：
如果没有孩子或者父亲，就为-1

我们知道了层级，现在来看OpenCV里的轮廓获取模式，四个标志cv2.RETR_LIST, cv2.RETR_TREE, cv2.RETR_CCOMP, cv2.RETR_EXTERNAL表示啥？

轮廓获取模式

1.RETR_LIST

这是最简单的一个，它获取所有轮廓，但是不建立父子关系，他们都是一个层级。

所以，层级属性第三个和第四个字段（父子）都是-1，但是Next和Previous还是有对应值。

下面是结果，每行是对应轮廓的层级信息。

>>> hierarchy

2.RETR_EXTERNAL

如果用这个模式，它返回最外层的。所有孩子轮廓都不要，我们可以说在这种情况下，只有家族里最老的会被照顾，其他都不管。

所以在我们的图像里，有多少最外层的轮廓呢，有3个，contours 0,1,2

3.RETR_CCOMP

这个模式获取所有轮廓并且把他们组织到一个2层结构里，对象的轮廓外边界在等级1里，轮廓内沿（如果有的话）放在层级2里。如果别的对象在它里面，里面的对象轮廓还是放在层级1里，它的内沿在层级2.

看下面的例子，轮廓的顺序为红色，他们的层级是绿色，

看第一个轮廓，contour-0，他的层级是1，他有两个洞，contours1和2，他们都属于层级2，所以对于contour-0,Next是contour-3，没有前序，他的第一个孩子是contour-1，没有parent，所以层级数组是[3,-1,1,-1]

看contour-1，他在层级2里，Next是contour-2，没有前序，没有孩子，parent是contour-0，所以数组是[2,-1,-1,0]

同样对于contour-2，也在层级2里，没有next，前序是contour-1，没有孩子，parent是contour-0，所以[-1,1,-1,0]。

contour-3：next是contour-5，Previous是contour-0，Child是contour-4，没有parent，所以[5,0,4,-1]

contour-4:在层级2里，没有兄弟，所以没有Next，没有Previous，没有孩子，parent是contour-3，[-1,-1,-1,3]

4.RETR_TREE

最后，Mr.Perfect。它取回所有的轮廓并且创建完整的家族层级列表，它甚至能告诉你谁是祖父，父亲，儿子，孙子。。

比如把上面的图形用cv2.RETR_TREE，

对于contour-0:层级是0，Next是contour-7，没有previous，孩子是contour-1，没有parent，所以[7,-1,1,-1]

contour-1:在层级1里，没有同级的其他轮廓，没有previous，孩子是contour-2，所以[-1,-1,2,0]

OpenCV里的直方图

OpenCV-Python教程:19.轮廓属性

参考技术A 1图像矩

帮你计算一些属性，比如重心，面积等。

函数cv2.moments()会给你一个字典，包含所有矩值

你可以从这个里面得到有用的数据比如面积，重心等。重心可以用下面的式子得到：

2.轮廓面积

轮廓面积由函数cv2.contourArea()得到或者从矩里得到M['m00']

3.轮廓周长

可以用cv2.arcLength()函数得到。第二个参数指定形状是否是闭合的轮廓（如果传True）。或者只是一个曲线。

4.轮廓近似

这会把轮廓形状近似成别的边数少的形状，边数由我们指定的精确度决定。这是Douglas-Peucker算法的实现。

要理解这个，假设你试图找一个图像里的方块，但是由于图像里的一些问题，你得不到一个完美的方块，只能得到一个“坏方块”。现在你可以使用这个函数来近似，第二个参数叫epsilon，是从轮廓到近似轮廓的最大距离。是一个准确率参数，好的epsilon的选择可以得到正确的输出。

在下面第二个图像里，绿线显示了epsilon = 10% of arc length 的近似曲线。第三个图像显示了epsilon = 1% of the arc length。第三个参数指定曲线是否闭合。

5.凸形外壳

凸形外壳和轮廓近似类似，但是还不一样（某些情况下两个甚至提供了同样的结果）。这儿，cv2.convexHull()函数检查凸面曲线缺陷并修复它。一般来说，凸面曲线总是外凸的，至少是平的，如果它内凹了，这就叫凸面缺陷。比如下面这张图，红线显示了手的凸形外壳。双向箭头显示了凸面缺陷，是轮廓外壳的最大偏差。

参数详情：

·points 是我们传入的轮廓
·hull 是输出，一般我们不用传
·clockwise： 方向标示，如果是True，输出凸形外壳是顺时针方向的。否则，是逆时针的。
·returnPoints：默认是True。然后会返回外壳的点的坐标。如果为False，它会返回轮廓对应外壳点的索引。

所以要获得凸形外壳，下面

但是如果你想找到凸面缺陷，你需要传入returnPoints = False。我们拿上面的矩形图形来说，首先我找到他的轮廓cnt，现在用returnPoints = True来找他的凸形外壳，我得到下面的值：[[[234 202]], [[51 202]], [51 79]], [[234 79]]]  是四个角的点。如果你用returnPoints = False，我会得到下面的结果：[[129], [67], [0], [142]].  这是轮廓里对应点的索引，比如cnt[129] = [234, 202]]，这和前面结果一样。

6.检查凸面

有一个函数用来检查是否曲线是凸面, cv2.isContourConvex().它返回True或False。

7.边界矩形

有两种边界矩形

7.a.正边界矩形

这个矩形不考虑对象的旋转，所以边界矩形的面积不是最小的，函数是cv2.boundingRect()。

假设矩形左上角的坐标是(x,y)， （w, h）是它的宽和高

7.b.渲染矩形

这个边界矩形是用最小面积画出来的，所以要考虑旋转。函数是cv2.minAreaRect()。它返回一个Box2D结构，包含了(左上角(x,y)，（width, height）,旋转角度）。但是要画这个矩形我们需要4个角。这四个角用函数cv2.boxPoints()得到

8.最小闭包圆

我们找一个目标的外接圆可以用函数cv2.minEnclosingCircle().这个圆用最小面积完全包围目标。

9.椭圆

用一个椭圆来匹配目标。它返回一个旋转了的矩形的内接椭圆

10. 直线

类似的我们可以匹配一根直线，下面的图像包含一系列的白色点，我们可以给它一条近似的直线。

END