Python + Opencv2 实现轮廓提取，轮廓区域面积计算；
web
对图像处理时，会遇到这样一个场景：找到图像主体轮廓，这是其一，可能为了凸显轮廓，须要用指定的颜色进行标记；轮廓标记完可能任务尚未结束，还需对轮廓所勾勒的像素面积区域统计计算。算法
本篇文章的主要内容就是要解决上面场景遇到的三个问问题微信
找到图像主题轮廓；ide
用指定颜色对源图像进行轮廓标记；函数
计算轮廓中的主体;spa
实验环境配置为 Python + Opencv 3.4， 处理的图像以下：.net
第一步，提取轮廓，Opencv 中的 findContours() 函数 能够直接提取轮廓，但对输入图像有必定要求3d
一，输入的图像必须是单通道，三通道不容许；code
二，输入的图像数据类型需是 8UC1；不然程序会报错的，报错信息以下：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
解决方法，在读取时加入下面这行代码进行数据格式转换，同时解决上面两个问题:
mat_img2 = cv2.imread(img_path,cv2.CV_8UC1)
3、输入的图像背景需是黑色的，不然轮廓提取失败，就以本次图像为例，若是直接提取效果以下：
图片最外层是一层黑色部分，因此最终结果就是标记最外层；对这类背景非黑色的图片作轮廓提取时，须要进行预处理：把背景变为黑色
提供一个简单办法，阈值化处理：设定一个阈值 Threshold 和一个指定值 OutsideValue ，当图像中像素知足某种条件(大于或小于设定的阈值时)，像素值发生变化。
自适应阈值化分割
这里用到的是 Opencv 提供的自适应阈值分割算法，其函数格式为:
dst=cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C)
src 须要分割的图像( adarray 类型)；
maxValue ,知足条件是替换的像素值，等价于上面提到的 OutsideValue；
adaptiveMetheod: 自适应阈值分割算法，Opencv 中提供两种方法
1，ADAPTIVE_THRESH_MEAN_C : 最后的像素值 为原像素值 区域像素的平均值 ;
2，ADAPTIVE_THRESH_GAUSSIAN_C : 最后像素值 为原像素值 附近 区域大小最小值 ;
thresholdType 阈值分割方法，Opencv 提供了5 种；
1，THRESH_BINARY:
2，THRESH_BINARY_INV:
3，THRESH_TRUNC:
4，THRESH_TOZERO:
5，THRESH_TOZERO_INV;
dst : 返回的阈值分割图像(是 ndarray 类型)
下面这行代码就是本次实验设置的参数：
dst = cv2.adaptiveThreshold(mat_img2,210,cv2.BORDER_REPLICATE,cv2.THRESH_BINARY_INV,3,10)
自适应阈值分割的结果：
轮廓提取
接下来就是进行轮廓提取了，用到的函数：
image, contours, hierarchy=cv2.findContours(image, mode, method)
image 返回的图像，在 Opencv 4.0 以后就没有这个参数了；
contours 标记的轮廓，以 list 形式存在，每一个轮廓中都包含了轮廓像素的坐标向量；
hierarchy 表示轮廓的继承关系，通常用不到;d
image 后面image 表示须要标记轮廓的图像，以 ndarray 格式存在；
mode 标记轮廓的模式，Opencv 提供了4种；
1，RETR_EXTERNAL；只提取总体外部轮廓；
2，RETR_LIST；提取全部轮廓，不须要创建任何继承关系；
3， RETR_CCOMP ；提取全部轮廓，最后造成两个水平集，外面一个，内部一个；
4， RETR_TREE ；提取全部轮廓，构建等级关系（父子继承关系）
method :轮廓近似点链接方式，例如一个长方形，能够由数百个点链接而成，单节省内存的方式就是找到四个角点便可；
其中前者为 CHAIN_APPROX_NONE 后者为 CHAIN_APPROX_SIMPLE
这里分别对 mode 设置不一样的参数，一个设为 RETR_TREE (提取所有轮廓)，一个设置 RETR_EXTRENAL (只提取最外部轮廓 )；能够看一下提取轮廓效果：
RETR_TREE 结果：
RETR_EXTRENAL 结果：
是否是感觉到了mode 不一样致使轮廓的差距；通常只提取一个轮廓用 RETR_EXTRENAL，多个的话用 RETR_TREE；
轮廓标记
对轮廓颜色绘制，用到 的函数
cv2.drawContours(image, contours, contourIdx, color,thickness)
image 绘制轮廓的图像 ndarray 格式；
contours ,findContours 函数找到的轮廓列表；
contourIdx 绘制轮廓的索引数，取整数时绘制特定索引的轮廓，为负值时，绘制所有轮廓；
color 绘制轮廓所用到的颜色，这里须要提醒一下， 想使用 RGB 彩色绘制时，必须保证 输入的 image 为三通道，不然轮廓线非黑即白；
thickness ，用于绘制轮廓线条的宽度，取负值时将绘制整个轮廓区域；
如下就是分别取 thickness 为3(左)、-3(右) 绘制的结果
轮廓区域面积计算
最后计算轮廓面积，用到 cv2.contourArea(contour) 函数，里面的参数指的就是计算的轮廓
area = 0
for i in contours:
area += cv2.contourArea(i)
print(area)
>>>16397.5 #最后结果
本篇文章用到的完整代码以下：
import cv2
img_path = "E:/data_ceshi/images.jpg"
#读取文件
mat_img = cv2.imread(img_path)
mat_img2 = cv2.imread(img_path,cv2.CV_8UC1)
#自适应分割
dst = cv2.adaptiveThreshold(mat_img2,210,cv2.BORDER_REPLICATE,cv2.THRESH_BINARY_INV,3,10)
#提取轮廓
img,contours,heridency = cv2.findContours(dst,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
#标记轮廓
cv2.drawContours(mat_img,contours,-1,(255,0,255),3)
#计算轮廓面积
area = 0
for i in contours:
area += cv2.contourArea(i)
print(area)
#图像show
cv2.imshow("window1",mat_img)
cv2.waitKey(0)
本文分享自微信公众号 - Z先生点记（gh_683d048a482a）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。