各位同学好，今天和大家分享一下opencv中如何获取图像轮廓，以及对轮廓的一些其他操作。内容有：

（1）轮廓检测：cv2.findContours()；（2）轮廓绘制：cv2.drawContours()；（3）轮廓近似：cv2.approxPolyDP()；（4）面积计算：cv2.contourArea()；（5）周长计算：cv2.arcLength()；（6）外接矩形：cv2.rectangle()；（7）外接圆：cv2.circle()

正文

在开始前，先导入需要用到的库文件以及图像数据，定义一个图像显示函数，方便后续绘图。

import cv2 import numpy as np # 获取图片所在文件夹 filepath = 'C:\\...\\opencv\\img' # 获取文件夹中的某一张图片 img = cv2.imread(filepath+'\\test2.png') # 定义绘图函数 def cv_show(name,img):     # 传入自定义图像名，即图像变量     cv2.imshow(name,img)      # 图片不会自动消失     cv2.waitKey(0)     # 手动关闭窗口     cv2.destroyWindow()

1. 图像轮廓

1.1 获取图像轮廓

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

参数：

• img：输入的图像，最好是二值图
• mode：轮廓检索模式，如下
• RETR_EXTERNAL：只检索最外面的轮廓
• RETR_LIST：检索所有的轮廓，并将其保存到一条链表中
• RETR_CCOMP：检索所有的轮廓，并将它们组织为两层：顶层是各部分的外部边界，第二层是空洞的边界
• RETR_TREE：常用，检索所有的轮廓，并重构嵌套轮廓的整个层次。保存了所有的轮廓，用哪个调用哪个

method：轮廓逼近方法，如下

• CHAIN_APPROX_NONE：以Freeman链码的方式输出轮廓，所有其他方法输出多边形(顶点的序列)。正常画出所有轮廓
• CHAIN_APPROX_SIMPLE：压缩水平的、垂直的、斜的部分，即函数只保留他们的终点坐标。压缩得到更精简的结果，例如一个矩形轮廓只需4个点来保存轮廓信息

返回值：

• contours：列表，保存轮廓信息。每一个元素都是图像的轮廓
• hierarchy：数组，分层保存轮廓信息。元素数和轮廓数一致

1.2 绘制图像轮廓

方法： cv2.drawContours(img, contours, contourIdx, color, thickness)

参数：

• img：指明在哪幅图像上绘制轮廓；image为三通道才能显示轮廓
• contours：图像轮廓信息，列表形式
• contours：指定绘制轮廓列表中的哪条轮廓。如果是-1，则绘制其中的所有轮廓。
• color：代表绘制轮廓的线条颜色，根据BGR调整，若为(0,0,255)则为红色。
• thickness：线条粗细

1.3 代码演示

首先将读入的图像变成灰度图cv2.cvtColor()，再使用图像阈值处理方法将灰度图转换成二值图cv2.threshold()，像素值超过阈值127的变成255，低于127的像素值变成0，实现二值化。将二值化处理后的图像thresh传入轮廓检测函数。图像阈值处理方法见下文第4节：opencv 图像处理：边界填充、图像融合、图像阈值、数值计算

#（1）图像处理 # 将读入的图像变成灰度图  gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 图像数值超过127取255，小于127的变成0 ret,thresh = cv2.threshold(gray,127,255,cv2.THRESH_BINARY) # ret接收阈值，thresh接收处理后的图像 #（2）轮廓检测 # 输入图像最好是二值图 contours,hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE) # 返回值：contours轮廓信息；hierarchy层级，把结果保存在一个层级中 #（3）绘制轮廓 # 注意要将原图(彩色图)复制一份，不然原图会在函数处理完之后改变 draw = img.copy()  #draw改变不会导致img改变 # 在draw画板上绘制轮廓；画第几个轮廓，-1代表所有轮廓；BGR分别对应(0,0,255)，用红色线画轮廓；线条宽2 res = cv2.drawContours(draw, contours,-1, (0, 0, 255), 2) # 展示图像 cv_show('res',res)

第1张为原始图像，第2张为contourIdx=-1时绘制轮廓后的图像 ，第3张为contourIdx=3时绘制的轮廓。contourIdx中保存了所有的轮廓信息。

2. 轮廓特征

2.1 轮廓计算

轮廓计算有非常多种方法，这里只介绍两个，计算轮廓周长和面积。

在图像轮廓获取函数中cv2.findContours()，我们获取了轮廓信息返回值contours，在计算时，不能将轮廓全部放进去计算，计算时需要选出其中一个。下面使用轮廓信息中的第0个轮廓计算它的面积和周长。

# 获取某一个轮廓用于计算 cnt = contours[0] # ==1== 面积 cv2.contourArea(cnt)  # 8500.5 # ==2== 周长 cv2.arcLength(cnt,True)  # 437.948

2.2 轮廓近似

方法： cv2.approxPolyDP(curve, epsilon, closed)

参数：

• curve： 需要进行近似的轮廓
• epsilon： 判断点到相对应的线段的距离的阈值，这是原始曲线与其近似值之间的最大距离。阈值越小，折线的形状越接近曲线。
• closed： 若为true，曲线第一个点与最后一个点连接形成闭合曲线，若为false，曲线不闭合。

下面使用的阈值是cv2.arcLength(cnt,True)，即轮廓的周长。取轮廓周长的0.1倍来作为contours[0]轮廓的近似。

# 获取图像 img = cv2.imread(filepath+'\\test1.png')  # 获取一张图像 gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  # 灰度图 ret,thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 二值化 contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)  # 轮廓提取 cnt = contours[0]  # 获取其中一层轮廓 draw = img.copy()  # 绘制轮廓 res = cv2.drawContours(draw, [cnt], -1, (0,0,255), 2)  # 在draw图像中绘制cnt轮廓 cv_show('res',res)  # 绘图 # 轮廓近似 epsilon = 0.1*cv2.arcLength(cnt,True)  # 以周长的百分比作为阈值，指定的越小，得到的轮廓和原来的区别较小 approx = cv2.approxPolyDP(cnt, epsilon, True)  # 近似函数，cnt为轮廓，epsilon阈值。返回近似后的轮廓 # 绘图展示 draw = img.copy() res = cv2.drawContours(draw, [approx], -1, (255,0,0), 2)  # 将近似后的轮廓approx画在原图上，用蓝色表示，线条粗2 cv_show('res',res)

第一张图为图像轮廓，第二张图为轮廓近似后的结果

2.3 轮廓的外接矩形

首先在轮廓提取函数的返回值contours中，选取一个轮廓信息用于求它的外接矩形。

计算轮廓的垂直边界最小矩形，矩形是与图像上下边界平行的

x, y, w, h = cv2.boundingRect(轮廓信息)

返回四个值。x，y是矩阵左上点的坐标；w，h是矩阵的宽和高。

外接矩形绘制函数

cv2.rectangle(img, pt1, pt2, color, thickness)

参数：

• img： 原始图片作为画板
• pt1： 长方形框左上角坐标 (x, y)
• pt2： 长方形框右下角坐标 (x+w, y+h)
• color： 线条颜色（B, G, R）
• thickness： 线条粗细

在图片img上画长方形，坐标原点是图片左上角，向右为x轴正方向，向下为y轴正方向。

# 获取轮廓信息 img = cv2.imread(filepath+'\\test1.png')  # 读取图像 gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  # 灰度处理 ret,thresh = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)  # 二值化处理 contours,hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)  # 获取轮廓信息 cnt = contours[0]  # 指定某一层轮廓 # 轮廓的外接矩形 x,y,w,h = cv2.boundingRect(cnt)  # 计算外接矩形，返回矩形的左上坐标点，和一长一宽 rectangle = cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)  # 根据坐标绘制矩形，绿色线条 cv_show('rectangle',rectangle)

得到矩形的宽和高，接下来就可以计算轮廓面积和外接矩形面积的比值。

area = cv2.contourArea(cnt)  # 轮廓面积计算函数 x,y,w,h = cv2.boundingRect(cnt)  # 获取坐标点和边长 rect_area = w*h  # 计算外接矩形面积 extent = area/rect_area  # 计算比值 print('轮廓面积和外接矩形面积之比:',extent)

2.4 轮廓的外接圆

获取轮廓的圆心坐标和半径

(x,y), radius = cv2.minEnclosingCircle(轮廓信息)

轮廓外接圆函数

cv2.circle(img, center, radius, color, thickness, shift)

• img： 输入的图片作为画板
• center： 圆心位置
• radius： 圆的半径
• color： 圆的颜色
• thickness： 正数表示圆形轮廓的粗细。负数表示要绘制实心圆。
• shift： 圆心坐标点和半径值的小数点位数

# 轮廓外接圆 # 返回圆心坐标和半径 (x,y),radius = cv2.minEnclosingCircle(cnt) # 圆心坐标 center = (int(x),int(y)) # 半径 radius = int(radius) # 绘制外接圆，输入整型 circle = cv2.circle(img,center,radius,(255,0,0),2) cv_show('circle',circle)

最后有惊喜（别错过哦）

跻身大厂是每一个程序员的梦想，也希望有机会可以大放异彩，成绩斐然。不过，不积跬步无以至千里，理想和现实的距离是需要努力来不断缩短的。

所以这里我准备了一些礼包，希望能够帮助到各位小伙伴。

★礼包1

如果对学习没有自制力或者没有一起学习交流的动力，欢迎私信或者评论区留言，我会拉你进学习交流群，我们一起交流学习，报团打卡，群内更有众多福利等你来解锁哟，赶快加入我们吧！

★礼包2

?Python全套电子书，200本总共6个G电子书资料，囊括Python各大领域。

?Python练手项目，包括爬虫、数据分析、机器学习、人工智能、小游戏开发。