OpenCV圖像輪廓的繪制方法

image = cv2.imread('image_path')

image_gray  = cv.cvtColor(image, cv.COLOR_BGR2GRAY)

# 這裡將閾值設置為127為例,最大閾值為255
t, binary = cv.threshold(image_gray, 127, 255, cv.THRESH_BINARY)

# 這裡以檢測所有輪廓,不建立層次關系為例
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)

# 這裡將輪廓索引設置為-1,繪制出所有輪廓,顏色設置為紅色，寬度為2為例
cv2.drawContours(image, contours, -1, (0, 0, 255), 2)

cv2.imshow('image', image)

# -*- coding: utf-8 -*-
# @Time    : 2021/8/17
# @Author  : ZYh
"""
Introduction:
圖像輪廓檢測:
    OpenCV提供的findContours()方法可以通過計算圖像梯度來判斷出圖像的邊緣,然後將邊緣的點封裝成數組返回
    contours, hierarchy = cv2.findContours(image, mode, mothode)
    參數:
        image->被檢測圖像必須是8位單通道二值圖像。如果原圖是rgb圖像,必須轉為灰度圖像,在進行二值化閾值處理
        mode->輪廓的檢索模式
            參數值                     含義
            cv2.RETR_EXTERNAL       隻檢測外輪廓
            cv2.RETR_LIST           檢測所有輪廓,但不建立層次關系
            cv2.RETR_CCOMP          檢測所有輪廓,並建立兩級層次關系
            cv2.RETR_TREE           檢測所有輪廓,並建立樹狀結構的層次關系
        mothode->檢測輪廓時使用的方法
            參數值                     含義
            cv2.CHAIN_NONE                儲存輪廓上的所有點
            cv2.CHAIN_APPROX_SIMPLE       隻保存水平、垂直或對角線輪廓的端點
            cv2.CHAIN_APPROX_TC89_L1      Ten_Chinl近似算法的一種
            cv2.CHAIN_APPROX_TC89_KCOS    Ten_Chinl近似算法的一種
    retval:
        contours->檢測出的所有輪廓,list類型,每一個元素都是某個輪廓的像素坐標數組
        hierarchy->輪廓之間的層次關系
圖像輪廓繪制:
    image = cv2.drawContours(image, contours, contourIdx, color, thickness, lineTypee, hierarchy,
        maxLevel, offse)
    參數:
        image->被繪制輪廓的原始圖像,可以是多通道圖像
        contours->findContours()方法得出的輪廓列表
        contourIdx->繪制輪廓的索引,如果為-1則繪制所有輪廓
        color:繪制顏色,BGR格式
        thickness->可選參數,畫筆的粗細,如果為-1則繪制實心輪廓
        lineTypee->可選參數,繪制輪廓的線型
        hierarchy->可選參數,findContours()方法得出的層次關系
        maxLevel->可選參數,繪制輪廓的層次深度,最深繪制第maxLevel層
        offse->可選參數,偏移量,可以改變繪制結果的位置
"""
import cv2 as cv
# 讀取加載圖像
image1 = cv.imread('shape1.png')
image2 = cv.imread('shape1.png')
# 將圖像由RGB格式轉為灰度圖像
gray1 = cv.cvtColor(image1, cv.COLOR_BGR2GRAY)
gray2 = cv.cvtColor(image2, cv.COLOR_BGR2GRAY)
# 將圖像進行二值化閾值處理, 返回t是處理時采用的閾值,binary是閾值處理後的圖像
t1, binary1 = cv.threshold(gray1, 127, 255, cv.THRESH_BINARY)
t2, binary2 = cv.threshold(gray2, 127, 255, cv.THRESH_BINARY)
# 檢測圖像中出現的所有輪廓,記錄輪廓的每一個點
contours1, hierarchy1 = cv.findContours(binary1, cv.RETR_LIST, cv.CHAIN_APPROX_NONE)
# 顯示原圖
cv.imshow('image', image1)
# 繪制所有輪廓,寬度為3,顏色為紅色
cv.drawContours(image1, contours1, -1, (0, 0, 255), 3)
cv.imshow('cv.RETR_LIST', image1)

# 檢測圖像中的外輪廓，記錄輪廓的每一個點
contours2, hierarchy2 = cv.findContours(binary2, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_NONE)
# 使用cv2.RETR_EXTERNAL做參數繪制外輪廓,寬度為3,顏色為藍色
cv.drawContours(image2, contours2, -1, (255, 0, 0), 3)
cv.imshow('cv.RETR_EXTERNAL', image2)

cv.waitKey()
cv.destroyAllWindows()

# -*- coding: utf-8 -*-
# @Time    : 2021/8/18
# @Author  : ZYh
"""
Introduction:
繪制花朵所有輪廓
"""
import  cv2 as cv

image_flower = cv.imread('flower.png')
# 顯示原圖
cv.imshow('flower1', image_flower)
# 對圖像進行中值濾波處理，去除噪聲
image_flower = cv.medianBlur(image_flower, 5)
cv.imshow('flower2', image_flower)
# 將圖像從RGB轉為單通道灰度圖像
gray_flower = cv.cvtColor(image_flower, cv.COLOR_BGR2GRAY)
# 灰度圖像進行二值化閾值處理
t, binary = cv.threshold(gray_flower, 127, 255, cv.THRESH_BINARY)
# 顯示二值化圖像
cv.imshow('binary', binary)
# 獲取二值化圖像中的輪廓以及輪廓層次
contours, hierarchy = cv.findContours(binary, cv.RETR_LIST, cv.CHAIN_APPROX_NONE)
# 在原圖中繪制輪廓
cv.drawContours(image_flower, contours, -1, (0, 255, 255), 2)
# 顯示繪制輪廓後的圖像
cv.imshow('cv.RETR_LIST', image_flower)

cv.waitKey()
cv.destroyAllWindows()