opencv 轮廓处理相关问题

发表于 2022-02-15 更新于 2025-02-02 分类于 3-编程实践， E-OpenCV 阅读次数：本文字数： 5.1k 阅读时长 ≈ 5 分钟

在 opencv 上使用 cv::findContours 查找轮廓，经常遇到轮廓层次、点序等问题，这里对相关问题做一个统一总结

轮廓的层次关系

cv: : findContours 返回轮廓层次关系是 [1, N, 4]，其中 N 是轮廓数量，4 是表示层次关系的四元组：[下一个，上一个，First_Child，父]，元组内存储的是轮廓 Contours 的序号

RETR_EXTERNAL：只寻找最高层级的轮廓
RETR_LIST：最简单的一种寻找方式，它不建立轮廓间的子属关系，也就是所有轮廓都属于同一层级， hierarchy 中的后两个值 [First Child, Parent] 都为 - 1
RETR_CCOMP：它把所有的轮廓只分为 2 个层级，不是外层的就是里层的
RETR_TREE：完整建立轮廓的层级从属关系

# 生成模拟图
img1 = np.zeros((300, 450,3), 'uint8')
img1 = cv2.line(img1,[30,10],[100,10],(0,100,255),4)
img1 = cv2.line(img1,[120,15],[430,15],(0,100,255),4)
img1 = cv2.rectangle(img1, [20,60 ,400 ,220],(0,100,255),2)
img1 = cv2.rectangle(img1, [50 ,100, 340, 150],(0,100,255),2)
img1 = cv2.rectangle(img1, [90 ,130 ,140 ,100],(0,100,255),-1)
img1 = cv2.rectangle(img1, [260, 155, 100, 50],(0,100,255),-1)
img1 = cv2.rectangle(img1, [105 ,150 ,100 ,20],0,-1);
img1 = cv2.rectangle(img1, [105 ,190 ,100 ,30],0,-1);
show_images([img1])

png

1
2
3

# 查找轮廓
contours,hierarchy=cv2.findContours(img1[...,-1],cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
contours[0].shape,contours[1].shape,len(contours),hierarchy.shape

((8, 1, 2), (8, 1, 2), 10, (1, 10, 4))

hierarchy 表示返回轮廓层次关系是 [1, 10, 4]，其中 10 是轮廓数量，4 是表示层次关系的四元组：[下一个，上一个，First_Child，父]

# 渲染函数
import copy

def render_image(contours):
    img2=copy.deepcopy(img1)
    for idx,contour in enumerate(contours):
        if idx==1 or idx==3:
            cv2.putText(img2,str(idx),(contour[0,0,0],contour[0,0,1]+15),cv2.FONT_HERSHEY_SCRIPT_SIMPLEX, 0.5, (255, 0, 0),2)
        else:
            cv2.putText(img2,str(idx),(contour[0,0,0],contour[0,0,1]),cv2.FONT_HERSHEY_SCRIPT_SIMPLEX, 0.5, (255, 0, 0),2)
    show_images([img2])

RETR_EXTERNAL

1 2	contours,hierarchy=cv2.findContours(img1[...,-1],cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE) render_image(contours)

png

RETR_LIST

1 2	contours,hierarchy=cv2.findContours(img1[...,-1],cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE) render_image(contours)

png

RETR_CCOMP

1
2
3

contours,hierarchy=cv2.findContours(img1[...,-1],cv2.RETR_CCOMP,cv2.CHAIN_APPROX_SIMPLE)
render_image(contours)
hierarchy

png

RETR_TREE

1
2
3

contours,hierarchy=cv2.findContours(img1[...,-1],cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
render_image(contours)
hierarchy

png

轮廓点点序

contours 表示轮廓的点，对于每个轮廓来说，其点是按什么顺序返回呢？

首先通过以下代码生成模拟图

import math
from PIL import Image, ImageDraw
from PIL import ImagePath
import numpy as np
import cv2
import copy

# 由点生成模拟图片
side = 8
xy = [
        tuple([
          132.6923076923077,
          72.11538461538458
        ]),
        tuple([
          69.23076923076923,
          245.19230769230768
        ]),
        tuple([
          207.69230769230768,
          133.65384615384613
        ]),
        tuple([
          50.9230769230769229,
          133.65384615384613
        ]),
        tuple([
          200.03846153846155,
          248.07692307692304
        ])
    ]  
  
image = ImagePath.Path(xy).getbbox()  
size = list(map(int, map(math.ceil, (300,300))))
img = Image.new("RGB", size, "#000000") 
img1 = ImageDraw.Draw(img)
img1.polygon(xy, fill ="#eeeeff", outline ="blue") 

np_img = np.array(img, dtype=np.uint8)
np_img=cv2.cvtColor(np_img,cv2.COLOR_RGB2GRAY)
show_images([np_img])

opencv轮廓处理相关问题-20250201201205-1

然后使用 cv2.findContours 找到轮廓点，接着使用绘制函数逐渐将点绘制出来，每绘制一个点，输出一次图片，结果如下：

# 使用findContours计算边缘点
contours,hierarchys = cv2.findContours(np_img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) #原始mask，检测轮廓及层次关系
print(len(contours),len(contours[0]))

# 取第一组点
contour=np.array(contours[0])
contour=contour.reshape((-1,contour.shape[1],contour.shape[-1])) #去掉矩阵中间维度1
contour=cv2.approxPolyDP(contour,2,True) #使用opencv求得近似多边形的点集合
approx_contours=np.reshape(contour,(contour.shape[0],contour.shape[2]))

# 依次绘制findContours返回出点 
img=np.zeros((300,300,3),np.uint8)
LABEL_COLORMAP = imgviz.label_colormap(value=200)
imgs=[]
points_colors=[]
for i,point in enumerate(approx_contours):
    x,y=point
    getcolor=tuple(LABEL_COLORMAP[(i+1)%len(LABEL_COLORMAP)].tolist())
    cv2.circle(img,(x,y),10,getcolor,-1)
    points_colors.append(getcolor)
    imgs.append(copy.deepcopy(img))

# 查看图片->逆时针or顺时针
show_images([np.array(points_colors).reshape(1,len(points_colors),3).astype(np.uint8)])
show_images(imgs,2)

opencv轮廓处理相关问题-20250201201206

总结：findContours 以最左边的点为起点，并逆时针返回边缘点

极少像素的边缘点

对于找到边缘为极少数的情况，cv2.findContours 返回轮廓点是怎么样的呢？本节进行研究

# 定义cv2.findContours查找边缘函数，并绘制结果图
import matplotlib.pyplot as plt
def check_findContours(binary):
	contours,hierarchy=cv2.findContours(binary,
	cv2.RETR_CCOMP,cv2.CHAIN_APPROX_SIMPLE)
    print('原始非0位置:',np.where(binary>0),'\nfindContours查找位置:',np.array(contours).tolist())
    cv2.drawContours(binary,contours,-1,(9),1)
    show_images([binary],set_locator=True,is_grid=True)

单个点

# 生成图像
import numpy as np
binary1=np.zeros((10,10),np.uint8)
binary1[5,5]=9
check_findContours(binary1)

原始非0位置: (array([5]), array([5])) 
findContours查找位置: [[[[5, 5]]]]

png

两个同向点

1
2
3

binary2=np.zeros((10,10),np.uint8)
binary2[5:7,6]=9
check_findContours(binary2)

原始非0位置: (array([5, 6]), array([6, 6])) 
findContours查找位置: [[[[6, 5]], [[6, 6]]]]

png

两个对角点

binary3=np.zeros((10,10),np.uint8)
binary3[5,5]=9
binary3[6,6]=9
check_findContours(binary3)

原始非0位置: (array([5, 6]), array([5, 6])) 
findContours查找位置: [[[[5, 5]], [[6, 6]]]]

png

三个点

binary4=np.zeros((10,10),np.uint8)
binary4[5:7,6]=9
binary4[6,7]=9
check_findContours(binary4)

原始非0位置: (array([5, 6, 6]), array([6, 6, 7])) 
findContours查找位置: [[[[6, 5]], [[6, 6]], [[7, 6]]]]

png

四个点

1
2
3

binary5=np.zeros((10,10),np.uint8)
binary5[5:7,5:7]=9
check_findContours(binary5)

原始非0位置: (array([5, 5, 6, 6]), array([5, 6, 5, 6])) 
findContours查找位置: [[[[5, 5]], [[5, 6]], [[6, 6]], [[6, 5]]]]

png

结论：cv2.findContours 返回属于目标内部最边缘的点，如果只有一个点，返回点本身