轮廓检测Contour Detection是计算机视觉特别是 OpenCV中非常基础且核心的技术。简单来说轮廓就是把图像中具有相同颜色或灰度值的连续边界点连成的一条曲线。为了更容易理解我们可以分三个层面来看它是什么、怎么用、以及常见的坑。1. 轮廓到底是什么通俗理解不是边缘“边缘”通常指的是图像中颜色突变的地方比如黑白交界线它是一堆散乱的点。而“轮廓”是将这些点按顺序连接起来形成的完整封闭曲线。数学定义在 OpenCV 中轮廓本质是一个Numpy 数组里面存储了一组(x, y)坐标点对应着图像中某个物体的边界。2. 轮廓检测的“标准三部曲”在 OpenCV 中进行轮廓检测通常不是直接把原图扔进去而是经过以下三步灰度化cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)原因计算机找轮廓时颜色信息BGR三个通道是干扰项变成单通道的灰度图处理起来更快、更准确。二值化阈值处理cv2.threshold()或cv2.Canny()原因轮廓检测必须基于黑底白图或白底黑图。二值化就是把背景完全变成黑色0目标物体变成白色255让物体和背景彻底分离。你在上一个问题里的phone_binary就在做这个事。寻找轮廓cv2.findContours()这是核心函数。它会遍历二值化图像把所有连在一起的白色区域的外围边界提取出来放入一个列表中返回。这里的列表里可能有无数个轮廓比如花朵的轮廓也包含你上一次遇到的那个“整张图片的最外层大框”。3. 拿到轮廓后我们常做什么得到轮廓点之后我们可以计算很多几何特征这是轮廓检测最大的价值面积cv2.contourArea(轮廓)—— 判断物体大小。周长cv2.arcLength(轮廓, True)—— 测量物体边缘长度。外接矩形/圆cv2.boundingRect()或cv2.minEnclosingCircle()—— 框出物体。形状匹配通过计算轮廓的“矩Moments”可以判断轮廓是圆的、方的还是三角形的。查找轮廓的 APIimage, contours, hierarchy cv2.findContours(img, mode, method)参数img需要实现轮廓检测的原图mode轮廓的检索模式主要有四种方式-cv2.RETR_EXTERNAL只检测外轮廓所有子轮廓被忽略-cv2.RETR_LIST检测的轮廓不建立等级关系所有轮廓属于同一等级-cv2.RETR_CCOMP返回所有的轮廓只建立两个等级的轮廓。一个对象的外轮廓为第 1 级组织结构而对象内部中空洞的轮廓为第 2 级组织结构空洞中的任何对象的轮廓又是第 1 级组织结构。-cv2.RETR_TREE返回所有的轮廓建立一个完整的组织结构的轮廓。method轮廓的近似方法主要有以下两种-cv2.CHAIN_APPROX_NONE存储所有的轮廓点。-cv2.CHAIN_APPROX_SIMPLE压缩模式只保留该方向的终点坐标例如一个矩形轮廓只需 4 个点来保存轮廓信息。返回image返回处理的原图contours包含图像中所有轮廓的 List 对象。其中每一个独立的轮廓信息以边界点坐标 (x, y) 的形式储存在 numpy 数组中。hierarchy轮廓的层次结构。一个包含 4 个值的数组[Next, Previous, First_Child, Parent]-Next与当前轮廓处于同一层级的下一条轮廓-Previous与当前轮廓处于同一层级的上一条轮廓-First_Child当前轮廓的第一条子轮廓-Parent当前轮廓的父轮廓注意做轮廓检测前需要将图片读取为二值数据即像素值只为 0 和 255。具体代码示例1. 读取原图并把原图转换为灰度图为什么要用灰度图因为“灰度图是寻找轮廓的最优解和最简化模型”。如果你直接用彩色图BGR去跑cv2.findContours()程序不仅会报错而且即便有办法处理也会极其低效。1. 数学维度3个通道 vs 1个通道彩色图BGR每个像素点由3个数值蓝、绿、红组成。如果你要对彩色图找轮廓计算机需要同时对比这3个数值的变化情况。这在数学上叫做“三维向量空间”非常复杂。灰度图每个像素点只有1个数值0-255的亮度。计算机只需要比较一维数据的大小。结论用灰度图计算量瞬间减少了 2/3处理速度极快这对于视频流来说尤为重要。import cv2 1. 读取图像并转换为灰度图 phone cv2.imread(shouji.png) phone_gray cv2.cvtColor(phone, cv2.COLOR_BGR2GRAY) 2. 二值化处理 ret, phone_binary cv2.threshold(phone_gray, 120, 255, cv2.THRESH_BINARY) 3. 查找轮廓 contours cv2.findContours(phone_binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)[-2] 4. 绘制轮廓 image_copy phone.copy() cv2.drawContours(imageimage_copy, contourscontours, contourIdx-1, color(0, 255, 0), thickness2) 5. 显示结果 cv2.imshow(phone, phone_gray) cv2.imshow(phone_binary, phone_binary) cv2.imshow(Contours, image_copy) cv2.waitKey(0)代码说明灰度化将彩色图像转换为灰度图减少计算维度。二值化使用阈值120将灰度图转换为黑白二值图像背景变黑0目标变白255。查找轮廓cv2.findContours()函数必须在二值图上运行它会提取所有白色区域的边界。绘制轮廓在原图副本上绘制绿色轮廓线。显示结果分别显示灰度图、二值图和轮廓检测结果。API参数详解cv2.drawContours(image, contours, contourIdx, color, thicknessNone, lineTypeNone, hierarchyNone, maxLevelNone, offsetNone)image要在其上绘制轮廓的输入图像。contours轮廓列表通常由cv2.findContours()函数返回。contourIdx要绘制的轮廓的索引。如果为-1则绘制所有轮廓。color轮廓的颜色以BGR格式表示。例如(0, 255, 0)表示绿色。thickness轮廓线的粗细。默认值为1。lineType轮廓线的类型。默认值为cv2.LINE_8。hierarchy轮廓层次结构。通常由cv2.findContours()函数返回。maxLevel绘制的最大轮廓层级。默认值为None表示绘制所有层级。offset轮廓点的偏移量。默认值为None。代码输出为