# 一、轮廓检测基础理论

# 1、轮廓概述

边缘和轮廓区别：边缘是零散的点，轮廓是整体。

在二值图中找轮廓。

# 2、API 介绍

# 1、cv.findContours 函数（查找轮廓）

contours, hierarchy = cv2.findContours(img,mode,method)

** 参数： **

图 1

图 2

** 返回：**
contours：轮廓
hierarchy：层级

	# 1、根据二值图找到轮廓
	contours, hierarchy = cv.findContours(binary, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
	# 轮廓层级轮廓检索模式 (推荐此) 轮廓逼近方法

# 2、cv.drawContours 函数（画出轮廓）

	# 2、画出轮廓
	dst = cv.drawContours(img, contours, -1, (0, 0, 255), 3)
	# 轮廓第几个 (默认 - 1：所有) 颜色线条厚度

#

# 检测轮廓并画出：（用二值图检测轮廓）

	# 提取轮廓
	def GetGontours():
	# 1、根据二值图找到轮廓
	contours, hierarchy = cv.findContours(binary, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
	# 轮廓层级轮廓检索模式 (推荐此) 轮廓逼近方法

	# 2、画出轮廓
	dst = cv.drawContours(img, contours, -1, (0, 0, 255), 3)
	# 轮廓第几个 (默认 - 1：所有) 颜色线条厚度

	cv.imshow('dst', dst)

# 二、代码及效果

	# 轮廓提取
	import cv2 as cv

	# 转二进制图像
	def ToBinray():
	global imgray, binary
	# 1、灰度图
	imgray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
	cv.imshow('imgray', imgray)

	# 2、二进制图像
	ret, binary = cv.threshold(imgray, 127, 255, 0)
	# 阈值二进制图像
	cv.imshow('binary', binary)


	# 提取轮廓
	def GetGontours():
	# 1、根据二值图找到轮廓
	contours, hierarchy = cv.findContours(binary, cv.RETR_TREE, cv.CHAIN_APPROX_NONE)
	# 轮廓层级轮廓检索模式 (推荐此) 轮廓逼近方法

	# 2、画出轮廓
	dst = cv.drawContours(img, contours, -1, (0, 0, 255), 3)
	# 轮廓第几个 (默认 - 1：所有) 颜色线条厚度

	cv.imshow('dst', dst)


	if __name__ == '__main__':
	img = cv.imread('Resource/test11.jpg')
	cv.imshow('img', img)

	ToBinray() #转二进制

	GetGontours() #提取轮廓

	cv.waitKey(0)

图 3

图 4

图 5

图 6

图 7

# 三、轮廓检测的属性

# 1、画出单个轮廓

	# 画出第一个轮廓
	cnt = contours[0]
	dst = cv.drawContours(img, cnt, -1, (0, 0, 255), 3)
	cv.imshow('dst1', dst)

图 8

图 9

# 2、显示面积和周长

	# 获取轮廓面积
	area = cv.contourArea(cnt)
	print("轮廓面积：", area)

	# 周长（True 表示合并）
	perimeter = cv.arcLength(cnt, True)
	print("轮廓周长：", perimeter)

# 代码及效果

	# 获取轮廓信息
	def GetContours_Attrib():
	# 画出第一个轮廓
	cnt = contours[0]
	dst = cv.drawContours(img, cnt, -1, (0, 0, 255), 3)
	cv.imshow('dst1', dst)

	# 获取轮廓面积
	area = cv.contourArea(cnt)
	print("轮廓面积：", area)

	# 周长（True 表示合并）
	perimeter = cv.arcLength(cnt, True)
	print("轮廓周长：", perimeter)

图 10

# 四、近似轮廓

# 1、步骤

1、获取轮廓外围

2、设置精度（从轮廓到近似轮廓的最大距离）

3、获取近似轮廓

4、绘制轮廓

# 2、API

	# 2、设置精度（从轮廓到近似轮廓的最大距离）
	epsilon = 0.03 * cv.arcLength(cnt, True)
	# 轮廓闭合轮廓还是曲线

	# 3、获取近似轮廓
	approx = cv.approxPolyDP(cnt, epsilon, True)
	# 近似度 (这里为 10%) 闭合轮廓还是曲线

# 3、实现

	# 轮廓近似
	def GetApprox():
	# 1、取外围轮廓
	cnt = contours[0]

	# 2、设置精度（从轮廓到近似轮廓的最大距离）
	epsilon = 0.05 * cv.arcLength(cnt, True)
	# 轮廓闭合轮廓还是曲线

	# 3、获取近似轮廓
	approx = cv.approxPolyDP(cnt, epsilon, True)
	# 近似度 (这里为 5%) 闭合轮廓还是曲线

	# 4、绘制轮廓
	draw_img = img.copy()
	res = cv.drawContours(draw_img, [approx], -1, (0, 0, 255), 3)

	# 显示
	cv.imshow("res", res)

#

# 各精度的近似轮廓：

精度 epsilon=0.01 时的近似轮廓：

图 11

精度 epsilon=0.02 时的近似轮廓：

图 12
精度 epsilon=0.03 时的近似轮廓：

图 13

精度 epsilon=0.04 时的近似轮廓：

图 14

精度 epsilon=0.05 时的近似轮廓：

图 15

# 五、边界矩形和外接圆

边界矩形：根据坐标、长宽绘制矩形。
外接圆：根据圆心坐标、半径绘制圆。

# 1、边界矩形

	# 获取边界矩形
	def BoundingRect():
	# 1、取外围轮廓
	cnt = contours[0]

	# 2、获取正方形坐标长宽
	x, y, w, h = cv.boundingRect(cnt)

	# 3、画出矩形
	dst = img.copy()
	dst = cv.rectangle(dst, (x,y),(x+w,y+h), (0,0,255), 3)

	# 显示
	cv.imshow("dst", dst)

图 16

# 2、外接圆

	# 获取外接圆
	def Circle():
	# 1、获取第一个轮廓
	cnt = contours[0]

	# 2、获取外接圆
	(x, y), radius = cv.minEnclosingCircle(cnt)
	# 坐标半径

	# 3、画圆
	dst = img.copy()
	dst = cv.circle(dst, (int(x), int(y)), int(radius), (0, 0, 255), 3)

	# 显示
	cv.imshow("dst", dst)

图 17

# 总代码

	# 轮廓提取、属性、近似轮廓、边界矩形和外接圆
	import cv2 as cv

	# 转二进制图像
	def ToBinray():
	global imgray, binary
	# 1、灰度图
	imgray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
	cv.imshow('imgray', imgray)

	# 2、二进制图像
	ret, binary = cv.threshold(imgray, 127, 255, 0)
	# 阈值二进制图像
	cv.imshow('binary', binary)


	# 提取轮廓
	def GetContours():
	global contours
	# 1、根据二值图找到轮廓
	contours, hierarchy = cv.findContours(binary, cv.RETR_TREE, cv.CHAIN_APPROX_NONE)
	# 轮廓层级轮廓检索模式 (推荐此) 轮廓逼近方法

	# 2、画出轮廓
	dst = img.copy()
	dst = cv.drawContours(dst, contours, -1, (0, 0, 255), 3)
	# 轮廓第几个 (默认 - 1：所有) 颜色线条厚度

	cv.imshow('contours', dst)


	# 获取轮廓信息
	def GetContours_Attrib():
	# 画出第一个轮廓
	cnt = contours[0]
	dst = img.copy()
	dst = cv.drawContours(dst, cnt, -1, (0, 0, 255), 3)
	cv.imshow('contour0', dst)

	# 获取轮廓面积
	area = cv.contourArea(cnt)
	print("轮廓面积：", area)

	# 周长（True 表示合并）
	perimeter = cv.arcLength(cnt, True)
	print("轮廓周长：", perimeter)


	# 轮廓近似
	def GetApprox():
	# 1、取外围轮廓
	cnt = contours[0]

	# 2、设置精度（从轮廓到近似轮廓的最大距离）
	epsilon = 0.01 * cv.arcLength(cnt, True)
	# 轮廓闭合轮廓还是曲线

	# 3、获取近似轮廓
	approx = cv.approxPolyDP(cnt, epsilon, True)
	# 近似度 (这里为 5%) 闭合轮廓还是曲线

	# 4、绘制轮廓
	dst = img.copy()
	dst = cv.drawContours(dst, [approx], -1, (0, 0, 255), 3)

	# 显示
	cv.imshow("apporx", dst)


	# 获取边界矩形
	def BoundingRect():
	# 1、取外围轮廓
	cnt = contours[0]

	# 2、获取正方形坐标长宽
	x, y, w, h = cv.boundingRect(cnt)

	# 3、画出矩形
	dst = img.copy()
	dst = cv.rectangle(dst, (x,y),(x+w,y+h), (0,0,255), 3)

	# 显示
	cv.imshow("rect", dst)


	# 获取外接圆
	def Circle():
	# 1、获取第一个轮廓
	cnt = contours[0]

	# 2、获取外接圆
	(x, y), radius = cv.minEnclosingCircle(cnt)
	# 坐标半径

	# 3、画圆
	dst = img.copy()
	dst = cv.circle(dst, (int(x), int(y)), int(radius), (0, 0, 255), 3)

	# 显示
	cv.imshow("circle", dst)


	if __name__ == '__main__':
	img = cv.imread('Resource/contour.jpg')
	cv.imshow('img', img)

	ToBinray() #转二进制

	GetContours() #提取轮廓

	GetContours_Attrib() #获取轮廓信息

	GetApprox() #轮廓近似

	BoundingRect() #边界矩形

	Circle() #外接圆

	cv.waitKey(0)

# 参考资料

https://www.bilibili.com/video/BV1PV411774y?p=25

http://woshicver.com/FifthSection/4_9_2_%E8%BD%AE%E5%BB%93%E7%89%B9%E5%BE%81/