轮廓和边缘的区别

检测边缘的经典算子：sobel算子、Scharr算子、laplacian算子

边缘检测的一套组合操作：Canny边缘检测

1. 使用高斯滤波器，以平滑图像，滤除噪声。

2. 计算图像中每个像素点的梯度强度和方向。

3. 应用非极大值（Non-Maximum Suppression）抑制，以消除边缘检测带来的杂散响应。

4. 应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。
   (双阈值的解释)

5. 通过抑制孤立的弱边缘最终完成边缘检测。
   
   图像轮廓是：一个整体

cv2.findContours(img,mode,method)

mode:轮廓检索模式

• 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当中；
• RETR_CCOMP：检索所有的轮廓，并将他们组织为两层：顶层是各部分的外部边界，第二层是空洞的边界;
• RETR_TREE：检索所有的轮廓，并重构嵌套轮廓的整个层次;

method:轮廓逼近方法

• 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）。
• CHAIN_APPROX_SIMPLE:压缩水平的、垂直的和斜的部分，也就是，函数只保留他们的终点部分。

（左边是CHAIN_APPROX_NONE，右边是CHAIN_APPROX_SIMPLE）

轮廓检测步骤

1. 读入图片，并转换图片为灰度图
   gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
2. 使用图像阈值进行二值化（为了更好的边缘检测）
   ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
3. 调用cv2.findContours（轮廓信息都在contours里面）
   binary, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
4. 绘制轮廓drawContours（传入绘制图像，轮廓，轮廓索引，颜色模式，线条厚度）
   res = cv2.drawContours(draw_img, contours, -1, (0, 0, 255), 2)（-1表示所有轮廓）

轮廓特征

求轮廓面积：cv2.contourArea(cnt)
求轮廓周长：cv2.arcLength(cnt,True)
其中cnt是我取的第一条轮廓。。

轮廓近似

画出第一条轮廓

img = cv2.imread('contours2.png')

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
binary, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
cnt = contours[0]

draw_img = img.copy()
res = cv2.drawContours(draw_img, [cnt], -1, (0, 0, 255), 2)
cv_show(res,'res')

再进行轮廓近似操作（近似和0.15这个位置的数字取值有关）

epsilon = 0.15*cv2.arcLength(cnt,True) 
approx = cv2.approxPolyDP(cnt,epsilon,True)

draw_img = img.copy()
res = cv2.drawContours(draw_img, [approx], -1, (0, 0, 255), 2)
cv_show(res,'res')

原理

AB的曲线用直线近似

1. 在曲线AB上做直线的垂线，取垂直距离最大的点为C
2. 如果垂直距离小于阈值，就可以进行轮廓近似
3. 如果垂线大于阈值，再进行二分法的拆分，再循环2操作。

之前代码里的那个数字（0.15）就是阈值（这下就透彻了。。。）

轮廓的外接矩形

cv2.boundingRect(cnt)

cv2.rectangle 这个函数的作用是在图像上绘制一个简单的矩形

img = cv2.imread('contours.png')
cv_show(img,'img')

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
binary, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
cnt = contours[0]

x,y,w,h = cv2.boundingRect(cnt)
img = cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
cv_show(img,'img')

轮廓的外接圆

(x,y),radius = cv2.minEnclosingCircle(cnt) 
center = (int(x),int(y)) 
radius = int(radius) 
img = cv2.circle(img2,center,radius,(0,255,0),2)
cv_show(img,'img')