Python + Opencv2 實現輪廓提取，輪廓區域面積計算；
web
對圖像處理時，會遇到這樣一個場景：找到圖像主體輪廓，這是其一，可能爲了凸顯輪廓，須要用指定的顏色進行標記；輪廓標記完可能任務尚未結束，還需對輪廓所勾勒的像素面積區域統計計算。算法
本篇文章的主要內容就是要解決上面場景遇到的三個問問題微信
找到圖像主題輪廓；ide
用指定顏色對源圖像進行輪廓標記；函數
計算輪廓中的主體;spa
實驗環境配置爲 Python + Opencv 3.4， 處理的圖像以下：.net
第一步，提取輪廓，Opencv 中的 findContours() 函數 能夠直接提取輪廓，但對輸入圖像有必定要求3d
一，輸入的圖像必須是單通道，三通道不容許；code
二，輸入的圖像數據類型需是 8UC1；不然程序會報錯的，報錯信息以下：orm
error: (-210) [start]FindContours supports only CV_8UC1 images when mode != CV_RETR_FLOODFILL otherwise supports CV_32SC1 images only in function cvStartFindContours_Impl
解決方法，在讀取時加入下面這行代碼進行數據格式轉換，同時解決上面兩個問題:
mat_img2 = cv2.imread(img_path,cv2.CV_8UC1)
3、輸入的圖像背景需是黑色的，不然輪廓提取失敗，就以本次圖像爲例，若是直接提取效果以下：
圖片最外層是一層黑色部分，因此最終結果就是標記最外層；對這類背景非黑色的圖片作輪廓提取時，須要進行預處理：把背景變爲黑色
提供一個簡單辦法，閾值化處理：設定一個閾值 Threshold 和一個指定值 OutsideValue ，當圖像中像素知足某種條件(大於或小於設定的閾值時)，像素值發生變化。
自適應閾值化分割
這裏用到的是 Opencv 提供的自適應閾值分割算法，其函數格式爲:
dst=cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C)
src 須要分割的圖像( adarray 類型)；
maxValue ,知足條件是替換的像素值，等價於上面提到的 OutsideValue；
adaptiveMetheod: 自適應閾值分割算法，Opencv 中提供兩種方法
1，ADAPTIVE_THRESH_MEAN_C : 最後的像素值 爲原像素值 區域像素的平均值 ;
2，ADAPTIVE_THRESH_GAUSSIAN_C : 最後像素值 爲原像素值 附近 區域大小最小值 ;
thresholdType 閾值分割方法，Opencv 提供了5 種；
1，THRESH_BINARY:
2，THRESH_BINARY_INV:
3，THRESH_TRUNC:
4，THRESH_TOZERO:
5，THRESH_TOZERO_INV;
dst : 返回的閾值分割圖像(是 ndarray 類型)
下面這行代碼就是本次實驗設置的參數：
dst = cv2.adaptiveThreshold(mat_img2,210,cv2.BORDER_REPLICATE,cv2.THRESH_BINARY_INV,3,10)
自適應閾值分割的結果：
輪廓提取
接下來就是進行輪廓提取了，用到的函數：
image, contours, hierarchy=cv2.findContours(image, mode, method)
image 返回的圖像，在 Opencv 4.0 以後就沒有這個參數了；
contours 標記的輪廓，以 list 形式存在，每一個輪廓中都包含了輪廓像素的座標向量；
hierarchy 表示輪廓的繼承關係，通常用不到;d
image 後面image 表示須要標記輪廓的圖像，以 ndarray 格式存在；
mode 標記輪廓的模式，Opencv 提供了4種；
1，RETR_EXTERNAL；只提取總體外部輪廓；
2，RETR_LIST；提取全部輪廓，不須要創建任何繼承關係；
3， RETR_CCOMP ；提取全部輪廓，最後造成兩個水平集，外面一個，內部一個；
4， RETR_TREE ；提取全部輪廓，構建等級關係（父子繼承關係）
method :輪廓近似點鏈接方式，例如一個長方形，能夠由數百個點鏈接而成，單節省內存的方式就是找到四個角點便可；
其中前者爲 CHAIN_APPROX_NONE 後者爲 CHAIN_APPROX_SIMPLE
這裏分別對 mode 設置不一樣的參數，一個設爲 RETR_TREE (提取所有輪廓)，一個設置 RETR_EXTRENAL (只提取最外部輪廓 )；能夠看一下提取輪廓效果：
RETR_TREE 結果：
RETR_EXTRENAL 結果：
是否是感覺到了mode 不一樣致使輪廓的差距；通常只提取一個輪廓用 RETR_EXTRENAL，多個的話用 RETR_TREE；
輪廓標記
對輪廓顏色繪製，用到 的函數
cv2.drawContours(image, contours, contourIdx, color,thickness)
image 繪製輪廓的圖像 ndarray 格式；
contours ,findContours 函數找到的輪廓列表；
contourIdx 繪製輪廓的索引數，取整數時繪製特定索引的輪廓，爲負值時，繪製所有輪廓；
color 繪製輪廓所用到的顏色，這裏須要提醒一下， 想使用 RGB 彩色繪製時，必須保證 輸入的 image 爲三通道，不然輪廓線非黑即白；
thickness ，用於繪製輪廓線條的寬度，取負值時將繪製整個輪廓區域；
如下就是分別取 thickness 爲3(左)、-3(右) 繪製的結果
輪廓區域面積計算
最後計算輪廓面積，用到 cv2.contourArea(contour) 函數，裏面的參數指的就是計算的輪廓
area = 0
for i in contours:
area += cv2.contourArea(i)
print(area)
>>>16397.5 #最後結果
本篇文章用到的完整代碼以下：
import cv2
img_path = "E:/data_ceshi/images.jpg"
#讀取文件
mat_img = cv2.imread(img_path)
mat_img2 = cv2.imread(img_path,cv2.CV_8UC1)
#自適應分割
dst = cv2.adaptiveThreshold(mat_img2,210,cv2.BORDER_REPLICATE,cv2.THRESH_BINARY_INV,3,10)
#提取輪廓
img,contours,heridency = cv2.findContours(dst,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
#標記輪廓
cv2.drawContours(mat_img,contours,-1,(255,0,255),3)
#計算輪廓面積
area = 0
for i in contours:
area += cv2.contourArea(i)
print(area)
#圖像show
cv2.imshow("window1",mat_img)
cv2.waitKey(0)
本文分享自微信公衆號 - Z先生點記（gh_683d048a482a）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。