位置: IT常识 - 正文
【OpenCV-Python】：查找物体轮廓+计算轮廓面积、长度、重心(python的opencv)
编辑：rootadmin推荐整理分享【OpenCV-Python】：查找物体轮廓+计算轮廓面积、长度、重心(python的opencv)，希望有所帮助，仅作参考，欢迎阅读内容。
文章相关热门搜索词:opencv用python,opencv opencv-python,python opencv3,python opencv2,python opencv pil,python opencv3,opencv opencv-python,opencv opencv-python,内容如对您有帮助，希望把文章链接给更多的朋友！
✨博客主页：米开朗琪罗~🎈 ✨博主爱好：羽毛球🏸 ✨年轻人要：Living for the moment（活在当下）！💪 🏆推荐专栏：【图像处理】【千锤百炼Python】【深度学习】【排序算法】
目录😺一、查找并绘制物体轮廓🐶1.1 查找轮廓🦄1.1.1 函数API🦄1.1.2 程序设计🐶1.2 绘制轮廓🦄1.2.1 函数API🦄1.2.2 全部轮廓绘制程序设计及结果可视化🦄1.2.2 逐个轮廓绘制程序设计及结果可视化🐶1.3 统计轮廓信息🦄1.3.1 函数API🦄1.3.2 程序设计😺一、查找并绘制物体轮廓🐶1.1 查找轮廓🦄1.1.1 函数API函数：img, contours, hierarchy = cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]])
参数介绍：
参数image：寻找轮廓的图像；参数mode：表示轮廓的检索模式cv2.RETR_EXTERNAL:只检测外轮廓cv2.RETR_LIST:检测的轮廓不建立等级关系cv2.RETR_CCOMP:建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层。cv2.RETR_TREE:建立一个等级树结构的轮廓。参数method：表示轮廓的近似方法：cv2.CHAIN_APPROX_NONE:存储所有的轮廓点, 相邻的两个点的像素位置差不超过1, 即max(abs(x1-x2), abs(y2-y1)) == 1cv2.CHAIN_APPROX_SIMPLE：压缩水平方向，垂直方向，对角线方向的元素，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。cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS：用teh-Chinl chain 近似算法返回值img：返回原图的灰度图；返回值contour：返回一个列表，列表中包含了检测到的所有轮廓，每个轮廓用ndarray表示；返回值hierarchy：这是一个ndarray，其中的元素个数和轮廓个数相同，每个轮廓contours[i]对应4个hierarchy元素，分别为hierarchy[i][0] ~hierarchy[i][3]，分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号，如果没有对应项，则该值为负数。https://blog.csdn.net/hjxu2016/article/details/77833336
🦄1.1.2 程序设计注意：在查找物体轮廓之前要先对图像进行灰度化与二值化操作！
实验使用图像：
import cv2import numpy as nporiginal = cv2.imread(r'C:\Users\Lenovo\Desktop\contour.jpg')print(original.shape)# 查找物体轮廓def findcontour(img): gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 图像灰度化 ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 图像二值化 image, contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 查找物体轮廓 return image, contours, hierarchyimage, contours, hierarchy = findcontour(original)我们打印轮廓数量：
print('轮廓数:', len(contours))得到：轮廓数: 3
注意：findcontours函数会“原地”修改输入的图像！！！
🐶1.2 绘制轮廓🦄1.2.1 函数API函数：img = cv2.drawContours(image, contours, contourIdx, color, thickness=None, lineType=None, hierarchy=None, maxLevel=None, offset=None)
参数介绍：
参数image：要绘制轮廓的图像，必须是三通道；参数contours：表示轮廓本身，存储方式为list；参数contourIdx：轮廓索引，表示要绘制哪条轮廓，若为-1，则绘制所有轮廓；返回值img：绘制完轮廓的图像。🦄1.2.2 全部轮廓绘制程序设计及结果可视化contours = cv2.drawContours(original, contours, -1, (255, 0, 0), 5)# 绘制所有轮廓cv2.imshow("contour", contours)cv2.waitKey()所有轮廓绘制的结果如下：
🦄1.2.2 逐个轮廓绘制程序设计及结果可视化nums = len(contours)color = [(255, 0, 0), (0, 255, 0), (0, 0, 255)]contourssplit=[]for i in range(nums): temp = np.zeros(original.shape, np.uint8) contourssplit.append(temp) contourssplit[i] = cv2.drawContours(contourssplit[i], contours, i, color[i], 2) cv2.imwrite(r'C:\\Users\\Lenovo\\Desktop\\%d.jpg' % i, contourssplit[i]) cv2.imshow("contours" + str(i), contourssplit[i])cv2.waitKey()
逐个轮廓绘制的结果如下：
🐶1.3 统计轮廓信息🦄1.3.1 函数API计算轮廓面积
函数：area= cv2.contourArea(contour，oriented)
参数介绍：
参数contour：轮廓信息；参数oriented：有方向的区域标志true:此函数依赖轮廓的方向（顺时针或逆时针）返回一个已标记区域的值。false:默认值。意味着返回不带方向的绝对值。该函数有个缺点：由于其计算方式是利用格林公式计算轮廓面积，所以如果遇到具有自交点的轮廓，该函数会给出错误的结果。
统计轮廓信息
⬇️⬇️⬇️⬇️⬇️⬇️⬇️⬇️重点⬇️⬇️⬇️⬇️⬇️⬇️⬇️⬇️ 函数：moment = cv2.moments(contour)
参数介绍：
参数contour：轮廓信息；参数moment：图像的矩。函数返回一个字典，你可以从中得到有关轮廓的各种信息，包括面积、重心等！
计算轮廓周长 函数：perimeter=cv2.arcLength(contour, closed)
参数介绍：
参数contour：轮廓信息；参数closed：用于指示轮廓是否封闭。True:轮廓封闭。False:轮廓不封闭。🦄1.3.2 程序设计我们先看cv2.moments中的信息，使用debug看a中的数据： a是一个具有24个键值对的字典，包含了轮廓的各个信息。
使用cv2.moments(contours[i])['m00']得到轮廓面积；
使用int(cv2.moments(contours[i])['m10']/cv2.moments(contours[i])['m00'])和 int(cv2.moments(contours[i])['m01']/cv2.moments(contours[i])['m00'])得到轮廓重心；
使用cv2.arcLength(contours[i], True)得到轮廓的长度。
nums = len(contours)color = [(255, 0, 0), (0, 255, 0), (0, 0, 255)]contourssplit=[]for i in range(nums): temp = np.zeros(original.shape, np.uint8) contourssplit.append(temp) contourssplit[i] = cv2.drawContours(contourssplit[i], contours, i, color[i], 2) a = cv2.moments(contours[i]) print("轮廓" + str(i) + "的面积:%d" % cv2.moments(contours[i])['m00']) print("轮廓" + str(i) + "的重心:%d" % int(cv2.moments(contours[i])['m10']/cv2.moments(contours[i])['m00']), int(cv2.moments(contours[i])['m01']/cv2.moments(contours[i])['m00'])) print("轮廓" + str(i) + "的长度:%d" % cv2.arcLength(contours[i], True))结果如下：
轮廓0的面积:3214轮廓0的重心:69 199轮廓0的长度:403轮廓1的面积:4752轮廓1的重心:202 142轮廓1的长度:336轮廓2的面积:8019轮廓2的重心:69 67轮廓2的长度:336上一篇：css 如何实现文本竖排、横排展示(css如何实现文字循环滚动左到右,再从右到左衔接循环)
下一篇：【蓝桥杯Web】第十四届蓝桥杯Web模拟赛 3 期 | 精品题解（下）(蓝桥杯2021出结果)
