Python + Opencv2 實現輪廓提取、顏色標記，區域面積計算！

做圖像處理時，會遇到這樣一個場景：找到圖像主體輪廓，這是其一，可能爲了凸顯輪廓，需要用指定的顏色進行標記；輪廓標記完可能任務還沒有結束，還需對輪廓所勾勒的像素面積區域統計計算。

本篇文章的主要內容就是要解決上面場景遇到的三個問問題

• 找到圖像主題輪廓；
• 用指定顏色對源圖像進行輪廓標記；
• 計算輪廓中的主體;

實驗環境配置爲 Python + Opencv 3.4， 處理的圖像如下：

第一步，提取輪廓，Opencv 中的 findContours() 函數 可以直接提取輪廓，但對輸入圖像有一定要求

• 一，輸入的圖像必須是單通道，三通道不允許；
• 二，輸入的圖像數據類型需是 8UC1；否則程序會報錯的，報錯信息如下：

error: (-210) [start]FindContours supports only CV_8UC1 images when mode != CV_RETR_FLOODFILL otherwise supports CV_32SC1 images only in function cvStartFindContours_Impl

解決方法，在讀取時加入下面這行代碼進行數據格式轉換，同時解決上面兩個問題:

mat_img2 = cv2.imread(img_path,cv2.CV_8UC1)

• 三、輸入的圖像背景需是黑色的，否則輪廓提取失敗，就以本次圖像爲例，如果直接提取效果如下：

圖片最外層是一層黑色部分，所以最終結果就是標記最外層；對這類背景非黑色的圖片做輪廓提取時，需要進行預處理：把背景變爲黑色

提供一個簡單辦法，閾值化處理：設定一個閾值 Threshold 和一個指定值 OutsideValue ，當圖像中像素滿足某種條件(大於或小於設定的閾值時)，像素值發生變化。

自適應閾值化分割

這裏用到的是 Opencv 提供的自適應閾值分割算法，其函數格式爲:

dst=cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C)

• src 需要分割的圖像( adarray 類型)；

• maxValue ,滿足條件是替換的像素值，等價於上面提到的 OutsideValue；

• adaptiveMetheod: 自適應閾值分割算法，Opencv 中提供兩種方法

1，ADAPTIVE_THRESH_MEAN_C : 最後的像素值 $T(x,y)$ 爲原像素值 $(x,y)$ $blocksize*blocksize$ 區域像素的平均值 $C$;

2，ADAPTIVE_THRESH_GAUSSIAN_C : 最後像素值 $T(x,y)$ 爲原像素值 $(x,y)$ 附近 $blocksize*blocksize$ 區域大小最小值 $C$;

• thresholdType 閾值分割方法，Opencv 提供了5 種；

1，THRESH_BINARY:
$dst(x,y) = \left\{ \begin{aligned} maxval & &if\ src(x,y)>thresh\\ 0 & & otherwise\\ \end{aligned} \right.$
2，THRESH_BINARY_INV:
$dst(x,y) = \left\{ \begin{aligned} 0 & &if\ src(x,y)>thresh\\ maxval & & otherwise\\ \end{aligned} \right.$
3，THRESH_TRUNC:
$dst(x,y)=\left\{ \begin{aligned} threshold & & if\ src(x,y)>thresh\\ src(x,y)& &otherwise\\ \end{aligned} \right.$
4，THRESH_TOZERO:
$dst(x,y)=\left\{\begin{aligned}src(x,y) & & if\ src(x,y)>thresh\\0& &otherwise\\\end{aligned}\right.$
5，THRESH_TOZERO_INV;
$dst(x,y)=\left\{\begin{aligned}0 & & if\ src(x,y)>thresh\\src(x,y)& &otherwise\\\end{aligned}\right.$

• dst : 返回的閾值分割圖像(是 ndarray 類型)

下面這行代碼就是本次實驗設置的參數：

dst = cv2.adaptiveThreshold(mat_img2,210,cv2.BORDER_REPLICATE,cv2.THRESH_BINARY_INV,3,10)

自適應閾值分割的結果：

輪廓提取

接下來就是進行輪廓提取了，用到的函數：

image, contours, hierarchy=cv2.findContours(image, mode, method)

• image 返回的圖像，在 Opencv 4.0 之後就沒有這個參數了；
• contours 標記的輪廓，以 list 形式存在，每個輪廓中都包含了輪廓像素的座標向量；
• hierarchy 表示輪廓的繼承關係，一般用不到;d
• image 後面image 表示需要標記輪廓的圖像，以 ndarray 格式存在；
• mode 標記輪廓的模式，Opencv 提供了4種；

1，RETR_EXTERNAL；只提取整體外部輪廓；

2，RETR_LIST； 提取所有輪廓，不需要建立任何繼承關係；

3， RETR_CCOMP ；提取所有輪廓，最後形成連個水平集，外面一個，內部一個；

4， RETR_TREE ；提取所有輪廓，構建等級關係（父子繼承關係）

• method :輪廓近似點連接方式，例如一個長方形，可以由數百個點連接而成，單節省內存的方式就是找到四個角點即可；
  • 其中前者爲 CHAIN_APPROX_NONE 後者爲 CHAIN_APPROX_SIMPLE

這裏分別對 mode 設置不同的參數，一個設爲 RETR_TREE (提取全部輪廓)，一個設置 RETR_EXTRENAL (只提取最外部輪廓 )；可以看一下提取輪廓效果：

RETR_TREE 結果：

RETR_EXTRENAL 結果：

是不是感受到了mode 不同導致輪廓的差距；一般只提取一個輪廓用 RETR_EXTRENAL，多個的話用 RETR_TREE；

輪廓標記

對輪廓顏色繪製，用到 的函數

cv2.drawContours(image, contours, contourIdx, color,thickness)

• image 繪製輪廓的圖像 ndarray 格式；

• contours ,findContours 函數找到的輪廓列表；

• contourIdx 繪製輪廓的索引數，取整數時繪製特定索引的輪廓，爲負值時，繪製全部輪廓；

• color 繪製輪廓所用到的顏色，這裏需要提醒一下， 想使用 RGB 彩色繪製時，必須保證 輸入的 image 爲三通道，否則輪廓線非黑即白；

• thickness ，用於繪製輪廓線條的寬度，取負值時將繪製整個輪廓區域；

以下就是分別取 thickness 爲3(左)、-3(右) 繪製的結果

輪廓區域面積計算

最後計算輪廓面積，用到 cv2.contourArea(contour) 函數，裏面的參數指的就是計算的輪廓

area = 0
for i in contours:
    area += cv2.contourArea(i)
print(area)


>>>16397.5 #最後結果

本篇文章用到的完整代碼如下：

import cv2

img_path = "E:/data_ceshi/images.jpg"
#讀取文件
mat_img = cv2.imread(img_path)
mat_img2 = cv2.imread(img_path,cv2.CV_8UC1)

#自適應分割
dst = cv2.adaptiveThreshold(mat_img2,210,cv2.BORDER_REPLICATE,cv2.THRESH_BINARY_INV,3,10)
#提取輪廓
img,contours,heridency = cv2.findContours(dst,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
#標記輪廓
cv2.drawContours(mat_img,contours,-1,(255,0,255),3)

#計算輪廓面積
area = 0
for i in contours:
    area += cv2.contourArea(i)
print(area)

#圖像show
cv2.imshow("window1",mat_img)
cv2.waitKey(0)