轉自http://blog.csdn.net/sunny2038/article/details/12889059

OpenCV-Python介面中使用cv2.findContours()函式來查詢檢測物體的輪廓。

實現

使用方式如下：

1. import cv2  
2. img = cv2.imread('D:\\test\\contour.jpg')  
3. gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  
4. ret, binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)  
5. contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)  
6. cv2.drawContours(img,contours,-1,(0,0,255),3)  
7. cv2.imshow("img", img)  
8. cv2.waitKey(0)  

結果

原圖如下：

檢測結果如下：

注意，findcontours函式會“原地”修改輸入的影象。這一點可通過下面的語句驗證：

1. cv2.imshow("binary", binary)  
2. contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)  
3. cv2.imshow("binary2", binary)  

cv2.findContours()函式

函式的原型為

1. cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]])  

引數

第一個引數是尋找輪廓的影象；

第二個引數表示輪廓的檢索模式，有四種（本文介紹的都是新的cv2介面）：
    cv2.RETR_EXTERNAL表示只檢測外輪廓
    cv2.RETR_LIST檢測的輪廓不建立等級關係
    cv2.RETR_CCOMP建立兩個等級的輪廓，上面的一層為外邊界，裡面的一層為內孔的邊界資訊。如果內孔內還有一個連通物體，這個物體的邊界也在頂層。
    cv2.RETR_TREE建立一個等級樹結構的輪廓。

第三個引數method為輪廓的近似辦法
    cv2.CHAIN_APPROX_NONE儲存所有的輪廓點，相鄰的兩個點的畫素位置差不超過1，即max（abs（x1-x2），abs（y2-y1））==1
    cv2.CHAIN_APPROX_SIMPLE壓縮水平方向，垂直方向，對角線方向的元素，只保留該方向的終點座標，例如一個矩形輪廓只需4個點來儲存輪廓資訊
    cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似演算法

返回值

cv2.findContours()函式返回兩個值，一個是輪廓本身，還有一個是每條輪廓對應的屬性。

contour返回值

1. print (type(contours))  
2. print (type(contours[0]))  
3. print (len(contours))  

由於我們知道返回的輪廓有兩個，因此可通過

1. cv2.drawContours(img,contours,0,(0,0,255),3)  

1. cv2.drawContours(img,contours,1,(0,255,0),3)  

1. print (len(contours[0]))  
2. print (len(contours[1]))  

hierarchy返回值

此外，該函式還可返回一個可選的hiararchy結果，這是一個ndarray，其中的元素個數和輪廓個數相同，每個輪廓contours[i]對應4個hierarchy元素hierarchy[i][0] ~hierarchy[i][3]，分別表示後一個輪廓、前一個輪廓、父輪廓、內嵌輪廓的索引編號，如果沒有對應項，則該值為負數。

通過

1. print (type(hierarchy))  
2. print (hierarchy.ndim)  
3. print (hierarchy[0].ndim)  
4. print (hierarchy.shape)  

1. 3
2. 2
3. (1, 2, 4)  

輪廓的繪製

OpenCV中通過cv2.drawContours在影象上繪製輪廓。  

cv2.drawContours()函式

1. cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset ]]]]])  

• 第一個引數是指明在哪幅影象上繪製輪廓；
• 第二個引數是輪廓本身，在Python中是一個list。
• 第三個引數指定繪製輪廓list中的哪條輪廓，如果是-1，則繪製其中的所有輪廓。後面的引數很簡單。其中thickness表明輪廓線的寬度，如果是-1（cv2.FILLED），則為填充模式。繪製引數將在以後獨立詳細介紹。

補充：

寫著寫著發現一篇文章介紹不完，所以這裡先作為入門的。更多關於輪廓的資訊有機會再開一篇文章介紹。

但有朋友提出計算輪廓的極值點。可用下面的方式計算得到，如下

1. pentagram = contours[1] #第二條輪廓是五角星
2. leftmost = tuple(pentagram[:,0][pentagram[:,:,0].argmin()])  
3. rightmost = tuple(pentagram[:,0][pentagram[:,:,0].argmin()])  
4. cv2.circle(img, leftmost, 2, (0,255,0),3)   
5. cv2.circle(img, rightmost, 2, (0,0,255),3)   

注意！假設輪廓有100個點，OpenCV返回的ndarray的維數是(100, 1, 2)！！！而不是我們認為的(100, 2)。切記！！！人民郵電出版社出版了一本《NumPy攻略：Python科學計算與資料分析》，推薦去看一下。

更新：關於pentagram[:,0]的意思

在numpy的陣列中，用逗號分隔的是軸的索引。舉個例子，假設有如下的陣列：

1. a = np.array([[[3,4]], [[1,2]],[[5,7]],[[3,7]],[[1,8]]])  

1. [3,4], [1,2], [5,7], [3,7], [1,8]  

回頭看一下，a的shape是(5,1,2)，表明是三個軸的。在numpy的陣列中，軸的索引是通過逗號分隔的。同時冒號索引“:”表示的是該軸的所有元素。因此a[:, 0]表示的是第一個軸的所有元素和第二個軸的第一個元素。在這裡既等價於a[0:5, 0]。

再者，若給出的索引數少於陣列中總索引數，則將已給出的索引樹預設按順序指派到軸上。比如a[0:5,0]只給出了兩個軸的索引，則第一個索引就是第一個軸的，第二個索引是第二個軸的，而第三個索引沒有，則預設為[:]，即該軸的所有內容。因此a[0:5,0]也等價於a[0:5,0:0:2]。

再詳細一點，a的全體內容為：[[[3,4]], [[1,2]],[[5,7]],[[3,7]],[[1,8]]]。去掉第一層方括號，其中有五個元素，每個元素為[[3,4]]這樣的，所以第一個索引的範圍為[0:5]。注意OpenCV函式返回的多維陣列和常見的numpy陣列的不同之處！

觀察[[3,4]]，我們發現其中只有一個元素，即[3, 4]，第二個索引為[0:1]。

再去掉一層方括號，我們面對的是[3,4]，有兩個元素，所以第三個索引的範圍為[0:2]。

再次強調一下OpenCVPython介面函式返回的NumPy陣列和普通的NumPy陣列在組織上的不同之處。

PS：OpenCV-Python討論群——219962286，歡迎大家加入互相探討學習。

得到的結果為如下：

參考資料：

1、《Opencv2 Computer Vision Application Programming Cookbook》

2、《OpenCV References Manule》