课题总结报告OpenCV 抠图项目实战图像轮廓

Posted 2022-02-04 小白YouCans

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了课题总结报告OpenCV 抠图项目实战图像轮廓相关的知识，希望对你有一定的参考价值。

Python 小白的课题报告—OpenCV 抠图项目实战（8）

本系列是 Python 小白的课题作业《基于OpenCV 的图像分割和抠图》。
需要说明的是，本系列并不能算是 OpenCV 的抠图项目教程，只是以此为主题的课题报告。其中包括了一个较为完整的 PyQt 项目。
从学生课题作业报告的角度，还是可以晒出来给大家参考的。

第四章图像分割

4.2 提取轮廓特征

轮廓特征是图像中的重要特征。在进行视觉检测的时候，常常利用轮廓特征来达到我们要检测的目的。
轮廓即是以某种方式表示图像中的曲线的点的列表。
轮廓与边缘很相似。但轮廓是连续的，边缘不一定都连续。可以说边缘包括轮廓。边缘主要是作为图像的特征使用，比如用边缘特征可以区分脸和手；而轮廓主要用来分析物体的形态，比如物体的周长和面积等。轮廓常用于形状分析和物体的检测和识别。
寻找轮廓的操作一般用于二值化图，所以通常会使用阈值分割或 Canny 边缘检测先得到二值图。

OpenCV 中提供了函数cv.findContours()寻找轮廓，函数cv.drawContours() 绘制轮廓。在 OpenCV 中查找轮廓就像在黑色背景中找白色物体。

函数说明：
···
cv.findContours(image, mode, method[, contours[, hierarchy[, offset]]] ) → contours, hierarchy
···
参数说明：

image：原始图像，8 位单通道二值图像
mode：轮廓检索模式
- cv.RETR_EXTERNAL：只检索最外层轮廓
- cv.RETR_LIST：检索所有轮廓，不建立任何层次关系
- cv.RETR_CCOMP：检索所有轮廓，并将其组织为两级层次结构
- cv.RETR_TREE：检索所有轮廓，并重建嵌套轮廓的完整层次结构
- cv.RETR_FLOODFILL：漫水填充法（泛洪填充）
method：轮廓近似方法
- cv.CHAIN_APPROX_NONE：存储每个轮廓的所有像素点
- cv.CHAIN_APPROX_SIMPLE：压缩水平、垂直和对角线段，仅保留其端点
- cv.CHAIN_APPROX_TC89_L1：应用 Teh-Chin 链近似算法 L1
- cv.CHAIN_APPROX_TC89_KCOS：应用 Teh-Chin 链近似算法 KCOS
contours：检测到的轮廓，列表，储存图像中所有轮廓，每个轮廓存储为点的向量
hierarchy：轮廓的层次结构，可选项，包含有关图像拓扑的信息
offset：每个轮廓点的偏移量，可选项，

使用 findContours()和cv.drawContours()查找、绘制轮廓的基本程序如下：

# MattingFindContours.py
# Find contour by OpenCV
# Copyright 2021 youcans, XUPT
# Crated：2021-12-10
import cv2 as cv
from matplotlib.figure import Figure

imgOri = cv2.imread("../images/imgGaia.tif", flags=1)

imgGray = cv2.cvtColor(imgOri, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgGray, 175, 255, cv2.THRESH_BINARY_INV)
# 寻找二值化图中的轮廓
image, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
print(imgOri.shape, image.shape)

# 绘制轮廓
imgC = imgOri.copy()
contourPic = cv2.drawContours(imgC, contours, -1, (0, 0, 255), 2)

plt.figure(figsize=(9, 6))
plt.subplot(131), plt.axis('off'), plt.title("Origin")
plt.imshow(cv2.cvtColor(imgOri, cv2.COLOR_BGR2RGB))
plt.subplot(132), plt.title("Threshold"), plt.axis('off')
plt.imshow(thresh, cmap='gray', vmin=0, vmax=255)
plt.subplot(133), plt.title("Contours"), plt.axis('off')
plt.imshow(cv2.cvtColor(contourPic, cv2.COLOR_BGR2RGB))
plt.tight_layout()
plt.show()