OpenCV图像处理——轮廓检测与轮廓特征详解

一、什么是图像轮廓？

在计算机视觉中，轮廓（Contour）是指物体边界上的连续点集合，它描述了物体的外形结构。

简单来说：轮廓就是图像中物体边缘的线条表示。

例如：

• 手机外形
• 人脸轮廓
• 车辆边界
• 字符形状

都可以通过轮廓进行描述。

轮廓检测主要应用于：

• 目标检测
• 形状分析
• 图像分割
• 目标跟踪
• 物体测量

轮廓检测的基本流程：

原始图像
↓
灰度化
↓
二值化处理
↓
轮廓检测
↓
轮廓分析
↓
绘制结果

二、轮廓检测前的准备工作

1. 为什么需要二值化？

OpenCV中的轮廓检测要求输入图像必须是二值图像。

也就是说：

• 黑色像素：0
• 白色像素：255

只有这样，OpenCV才能区分背景区域和目标区域。

代码首先读取图片：

phone = cv2.imread('phone.png')

然后转换为灰度图：

phone_gray = cv2.cvtColor(
phone,
cv2.COLOR_BGR2GRAY
)

最后进行二值化处理：

ret,phone_binary=cv2.threshold(
phone_gray,
127,
255,
cv2.THRESH_BINARY
)

三、OpenCV轮廓检测函数

1. findContours函数

OpenCV使用：

cv2.findContours()

进行轮廓检测。

函数格式：

contours,hierarchy=cv2.findContours(
image,
mode,
method
)

示例代码：

contours=cv2.findContours(
phone_binary,
cv2.RETR_TREE,
cv2.CHAIN_APPROX_SIMPLE
)[-2]

该函数返回两个重要结果：

（1）contours——轮廓列表

contours保存图像中所有轮廓信息。

每一个轮廓都是由多个坐标点组成：

(x,y)

例如：

contours[0]

表示第一个检测到的轮廓。

（2）hierarchy——轮廓层级结构

hierarchy描述不同轮廓之间的关系。

包含4个值：

[Next,Previous,First Child,Parent]

含义：

例如一个圆环：

外部圆轮廓
|
内部空洞轮廓

四、轮廓检索模式

findContours函数第二个参数mode决定轮廓之间的组织方式。

代码中使用：

cv2.RETR_TREE

1.RETR_EXTERNAL

只检测最外层轮廓。

例如：

********
* *
* **** *
* * * *
* **** *
********

只返回最外面的边界。

2.RETR_LIST

检测所有轮廓。

但是不建立层级关系，所有轮廓属于同一级。

3.RETR_CCOMP

建立两级轮廓结构：

第一层：

物体外轮廓

第二层：

内部孔洞轮廓

4.RETR_TREE

建立完整的轮廓树结构。

例如：

对象
|
├──内部区域
|
└──子对象

适用于复杂目标分析。

五、轮廓近似方法

findContours第三个参数method用于控制轮廓点保存方式。

1.CHAIN_APPROX_NONE

保存所有轮廓点。

例如一个矩形：

1000个边界点

全部保存。

优点：精度高。

缺点：数据量大。

2.CHAIN_APPROX_SIMPLE

对轮廓进行压缩，只保存关键点。

例如矩形：

只需要保存：

左上角
右上角
右下角
左下角

即可表示整个轮廓。

代码：

cv2.CHAIN_APPROX_SIMPLE

六、轮廓绘制

检测到轮廓后，可以使用：

cv2.drawContours()

进行绘制。

函数：

cv2.drawContours(
image,
contours,
contourIdx,
color,
thickness
)

示例：

image_copy=phone.copy()

cv2.drawContours(
image_copy,
contours,
-1,
(0,25,250),
2
)

参数说明：

其中：

contourIdx=-1

表示绘制所有轮廓。

七、轮廓特征分析

轮廓检测后，可以进一步分析：

• 面积
• 周长
• 大小
• 位置
• 外接形状

1.轮廓面积

函数：

cv2.contourArea(contour)

作用：计算轮廓区域面积。

示例：

area_0=cv2.contourArea(contours[0])

print(area_0)

单位：像素平方。

2.轮廓周长

函数：

cv2.arcLength(curve,closed)

参数：

示例：

length=cv2.arcLength(
contours[0],
closed=True
)

如果是封闭图形：

• 圆
• 矩形
• 手机外形

通常设置：

closed=True

八、根据面积筛选轮廓

实际检测中会产生很多无用轮廓，例如：

• 噪声
• 小区域
• 背景边缘

可以通过面积过滤。

代码：

a_list=[]

for i in contours:
if cv2.contourArea(i)>10000:
a_list.append(i)

作用：

只保留面积大于10000的轮廓。

应用：

• 去除噪声
• 保留主要目标

九、寻找最大轮廓

很多任务只需要最大的目标。

代码：

sortcnt=sorted(contours,key=cv2.contourArea,reverse=True)[0]

执行过程：

1.根据面积排序

2.降序排列

3.取第一个元素得到最大轮廓。

十、轮廓外接圆

函数：

cv2.minEnclosingCircle()

作用：计算能够完全包围轮廓的最小圆。

代码：

(x,y),r=cv2.minEnclosingCircle(cnt)

返回：

• 圆心坐标(x,y)
• 半径r

绘制：

cv2.circle(
phone,
(int(x),int(y)),
int(r),
(0,255,255),
2
)

应用：

• 人脸检测
• 球体检测
• 圆形目标定位

十一、轮廓外接矩形

函数：

cv2.boundingRect()

作用：

计算轮廓最小外接矩形。

返回：

x,y,w,h

含义：

代码：

x,y,w,h=cv2.boundingRect(cnt)

绘制：

cv2.rectangle(phone,(x,y),(x+w,y+h),(0,255,2),3)

十二、总结

常用函数：

通过轮廓检测，计算机能够从像素信息中提取物体形状，为目标检测、图像识别和自动测量提供基础。