目录前言1 、轮廓检测1.1 轮廓与边缘的区别1.2 核心 APIcv2.findContours () 查找轮廓cv2.drawContours () 绘制轮廓1.3 轮廓检测基础代码2、轮廓特征1.轮廓面积 contourArea2.轮廓周长 arcLength3.外接矩形 boundingRect正外接矩形不旋转4.最小外接旋转矩形 minAreaRect5.轮廓重心矩 Moments3、轮廓近似3.1 原理3.2 API3.3 完整综合代码​编辑4、本章小结前言承接第 8 章边缘检测。边缘检测只能得到零散的边界像素轮廓检测可以把同一物体的边界像素组合成一条完整闭合轮廓常用于物体计数、形状识别、目标分割是传统计算机视觉高频模块。1 、轮廓检测1.1 轮廓与边缘的区别边缘图像灰度发生突变的像素点线条零散不一定闭合。轮廓经过算法分组之后属于同一个物体的闭合边界点集合可以做后续计算。重要前提cv2.findContours()输入优先使用二值图像黑色为背景白色为待检测目标。 标准处理流水线彩色图 → 灰度图 → 二值化threshold→ 查找轮廓。1.2 核心 APIcv2.findContours () 查找轮廓contours, hierarchy cv2.findContours(binary_img, mode, method)contours轮廓列表存储图像中所有检测到的轮廓。整体为元组嵌套列表结构每个子列表对应一条独立轮廓由一组物体边界的(x,y)坐标点组成可单独提取、处理单条轮廓。hierarchy轮廓层级用于处理嵌套轮廓物体内部存在孔洞。检索模式 modecv2.RETR_EXTERNAL只提取最外层轮廓忽略内部孔洞日常最常用。cv2.RETR_TREE输出完整的嵌套层级关系处理孔洞、内外轮廓。轮廓点存储方式 methodcv2.CHAIN_APPROX_SIMPLE压缩轮廓点去掉重复冗余点节省内存推荐使用。cv2.CHAIN_APPROX_NONE保存边界上全部像素点点数量大。cv2.drawContours () 绘制轮廓cv2.drawContours(dst_img, contours, index, color, thickness)dst_img绘制轮廓的目标图像必须传入原图副本避免修改原始图像。contours需要绘制的轮廓列表为findContours检测得到的轮廓数组。index轮廓索引-1代表绘制所有轮廓传入具体数字如0、1仅绘制对应序号的单条轮廓。color轮廓绘制颜色遵循 OpenCV 的 BGR 通道格式例如(0,0,255)为红色、(0,255,0)为绿色。thickness轮廓线条宽度单位为像素设置为-1可填充整个轮廓内部区域1.3 轮廓检测基础代码import cv2 读取原图 phone cv2.imread(rD:\pythoncode2\bigdata_ai40\Image\phone.png) 转换灰度图 phone_gray cv2.cvtColor(phone, cv2.COLOR_BGR2GRAY) cv2.imshow(phone_gray, phone_gray) cv2.waitKey(0) 二值化处理分割前景与背景生成黑白二值图 ret, phone_binary cv2.threshold(phone_gray, 127, 255, cv2.THRESH_BINARY) cv2.imshow(phone_binary, phone_binary) cv2.waitKey(0) 查找轮廓 [-2] 兼容所有OpenCV版本稳定获取轮廓列表 RETR_TREE提取完整层级轮廓包含内部孔洞 CHAIN_APPROX_NONE保留轮廓全部像素点 contours cv2.findContours(phone_binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)[-2] print(f检测到轮廓数量{len(contours)}) 绘制所有轮廓 img_copy phone.copy() cv2.drawContours(imageimg_copy, contourscontours, contourIdx-1, color(0, 0, 255), thickness3) cv2.imshow(phone_contour, img_copy) cv2.waitKey(0) 释放所有窗口 cv2.destroyAllWindows()2、轮廓特征拿到单条轮廓cnt contours[i]可以计算物体各类几何特征用于筛选目标物体。1.轮廓面积 contourAreaarea cv2.contourArea(cnt)作用过滤噪声小轮廓设置面积阈值把过小干扰轮廓剔除。2.轮廓周长 arcLengthperi cv2.arcLength(cnt, closedTrue)closedTrue代表轮廓是闭合图形周长是轮廓近似的重要输入参数。3.外接矩形 boundingRect正外接矩形不旋转x, y, w, h cv2.boundingRect(cnt)x,y矩形左上角坐标w,h宽、高。可以画矩形cv2.rectangle(img,(x,y),(xw,yh),(0,0,255),2)4.最小外接旋转矩形 minAreaRectrect cv2.minAreaRect(cnt) box cv2.boxPoints(rect) box np.intp(box) cv2.drawContours(img, [box], 0, (255, 0, 0), 2)可以得到旋转角度适合倾斜物体。5.轮廓重心矩 MomentsM cv2.moments(cnt) cx int(M[m10] / M[m00]) cy int(M[m01] / M[m00])获取物体中心点坐标。使用场景通过面积、宽高比筛选只保留我们感兴趣的物体轮廓。3、轮廓近似3.1 原理原始轮廓包含大量点图像噪声会带来很多毛刺、抖动。轮廓近似approxPolyDP使用道格拉斯‑普克算法用少量顶点多边形去拟合原始复杂轮廓。3.2 APIapprox cv2.approxPolyDP(curve, epsilon, closed)curve输入单条轮廓不能直接传入全部 contours 列表。epsilon近似精度最核心超参数通常取轮廓周长的比例epsilon 0.04 * cv2.arcLength(cnt, True)epsilon 越大顶点越少轮廓越粗糙epsilon 越小顶点越多越贴近原始轮廓。closedTrue表示处理闭合轮廓。根据返回approx顶点数量做形状识别3 个顶点 → 三角形4 个顶点 → 矩形、正方形大量顶点 → 圆形或者不规则图形3.3 完整综合代码import cv2 import numpy as np 读取图像 img cv2.imread(rD:\pythoncode2\bigdata_ai40\Image\shape.png) origin_img img.copy() 图像预处理灰度转换 二值化 gray cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ret, binary cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) 查找外层轮廓兼容所有OpenCV版本 contours cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2] 绘制原始完整轮廓 cv2.drawContours(origin_img, contours, -1, (0, 255, 0), 2) 遍历所有轮廓计算特征、绘制矩形并执行轮廓近似 for cnt in contours: # 1. 计算轮廓面积过滤微小噪声轮廓 area cv2.contourArea(cnt) if area 50: continue # 2. 计算闭合轮廓周长 peri cv2.arcLength(cnt, closedTrue) # 3. 轮廓近似通过周长比例设置精度 epsilon 0.04 * peri approx cv2.approxPolyDP(cnt, epsilon, closedTrue) # 绘制近似后的多边形轮廓 cv2.drawContours(img, [approx], -1, (255, 0, 0), 2) # 4. 绘制正外接矩形不旋转 x, y, w, h cv2.boundingRect(approx) cv2.rectangle(img, (x, y), (x w, y h), (0, 255, 255), 2) # 5. 绘制最小外接旋转矩形适配倾斜物体 min_rect cv2.minAreaRect(cnt) min_box cv2.boxPoints(min_rect) min_box np.intp(min_box) cv2.drawContours(img, [min_box], 0, (255, 255, 0), 2) # 识别轮廓顶点数量并标注 point_num len(approx) cv2.putText(img, fpts:{point_num}, (x, y-8), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 1) 展示结果 cv2.imshow(raw_contour, origin_img) cv2.imshow(approx_feature_result, img) cv2.waitKey(0) 释放所有窗口 cv2.destroyAllWindows()4、本章小结轮廓是闭合物体点集由二值图像提取区别于零散边缘。轮廓特征包含面积、周长、外接矩形、重心用于筛选目标物体。轮廓近似approxPolyDP依靠 epsilon 控制精度依靠顶点数目实现简单形状识别。典型场景零件检测、答题卡识别、图形分类、物体计数。