自学教程：OpenCV图像轮廓的绘制方法

image = cv2.imread('image_path')

image_gray  = cv.cvtColor(image, cv.COLOR_BGR2GRAY)

# 这里将阈值设置为127为例,最大阈值为255t, binary = cv.threshold(image_gray, 127, 255, cv.THRESH_BINARY)

# 这里以检测所有轮廓,不建立层次关系为例contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)

# 这里将轮廓索引设置为-1,绘制出所有轮廓,颜色设置为红色，宽度为2为例cv2.drawContours(image, contours, -1, (0, 0, 255), 2)

cv2.imshow('image', image)

# -*- coding: utf-8 -*-# @Time    : 2021/8/17# @Author  : ZYh"""Introduction:图像轮廓检测:    OpenCV提供的findContours()方法可以通过计算图像梯度来判断出图像的边缘,然后将边缘的点封装成数组返回    contours, hierarchy = cv2.findContours(image, mode, mothode)    参数:        image->被检测图像必须是8位单通道二值图像。如果原图是rgb图像,必须转为灰度图像,在进行二值化阈值处理        mode->轮廓的检索模式            参数值                     含义            cv2.RETR_EXTERNAL       只检测外轮廓            cv2.RETR_LIST           检测所有轮廓,但不建立层次关系            cv2.RETR_CCOMP          检测所有轮廓,并建立两级层次关系            cv2.RETR_TREE           检测所有轮廓,并建立树状结构的层次关系        mothode->检测轮廓时使用的方法            参数值                     含义            cv2.CHAIN_NONE                储存轮廓上的所有点            cv2.CHAIN_APPROX_SIMPLE       只保存水平、垂直或对角线轮廓的端点            cv2.CHAIN_APPROX_TC89_L1      Ten_Chinl近似算法的一种            cv2.CHAIN_APPROX_TC89_KCOS    Ten_Chinl近似算法的一种    retval:        contours->检测出的所有轮廓,list类型,每一个元素都是某个轮廓的像素坐标数组        hierarchy->轮廓之间的层次关系图像轮廓绘制:    image = cv2.drawContours(image, contours, contourIdx, color, thickness, lineTypee, hierarchy,        maxLevel, offse)    参数:        image->被绘制轮廓的原始图像,可以是多通道图像        contours->findContours()方法得出的轮廓列表        contourIdx->绘制轮廓的索引,如果为-1则绘制所有轮廓        color:绘制颜色,BGR格式        thickness->可选参数,画笔的粗细,如果为-1则绘制实心轮廓        lineTypee->可选参数,绘制轮廓的线型        hierarchy->可选参数,findContours()方法得出的层次关系        maxLevel->可选参数,绘制轮廓的层次深度,最深绘制第maxLevel层        offse->可选参数,偏移量,可以改变绘制结果的位置"""import cv2 as cv# 读取加载图像image1 = cv.imread('shape1.png')image2 = cv.imread('shape1.png')# 将图像由RGB格式转为灰度图像gray1 = cv.cvtColor(image1, cv.COLOR_BGR2GRAY)gray2 = cv.cvtColor(image2, cv.COLOR_BGR2GRAY)# 将图像进行二值化阈值处理, 返回t是处理时采用的阈值,binary是阈值处理后的图像t1, binary1 = cv.threshold(gray1, 127, 255, cv.THRESH_BINARY)t2, binary2 = cv.threshold(gray2, 127, 255, cv.THRESH_BINARY)# 检测图像中出现的所有轮廓,记录轮廓的每一个点contours1, hierarchy1 = cv.findContours(binary1, cv.RETR_LIST, cv.CHAIN_APPROX_NONE)# 显示原图cv.imshow('image', image1)# 绘制所有轮廓,宽度为3,颜色为红色cv.drawContours(image1, contours1, -1, (0, 0, 255), 3)cv.imshow('cv.RETR_LIST', image1)# 检测图像中的外轮廓，记录轮廓的每一个点contours2, hierarchy2 = cv.findContours(binary2, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_NONE)# 使用cv2.RETR_EXTERNAL做参数绘制外轮廓,宽度为3,颜色为蓝色cv.drawContours(image2, contours2, -1, (255, 0, 0), 3)cv.imshow('cv.RETR_EXTERNAL', image2)cv.waitKey()cv.destroyAllWindows()

# -*- coding: utf-8 -*-# @Time    : 2021/8/18# @Author  : ZYh"""Introduction:绘制花朵所有轮廓"""import  cv2 as cvimage_flower = cv.imread('flower.png')# 显示原图cv.imshow('flower1', image_flower)# 对图像进行中值滤波处理，去除噪声image_flower = cv.medianBlur(image_flower, 5)cv.imshow('flower2', image_flower)# 将图像从RGB转为单通道灰度图像gray_flower = cv.cvtColor(image_flower, cv.COLOR_BGR2GRAY)# 灰度图像进行二值化阈值处理t, binary = cv.threshold(gray_flower, 127, 255, cv.THRESH_BINARY)# 显示二值化图像cv.imshow('binary', binary)# 获取二值化图像中的轮廓以及轮廓层次contours, hierarchy = cv.findContours(binary, cv.RETR_LIST, cv.CHAIN_APPROX_NONE)# 在原图中绘制轮廓cv.drawContours(image_flower, contours, -1, (0, 255, 255), 2)# 显示绘制轮廓后的图像cv.imshow('cv.RETR_LIST', image_flower)cv.waitKey()cv.destroyAllWindows()