Python函数实现简单的轮廓提取
前言
在图像处理中，轮廓提取一直是一个非常重要的任务。轮廓可以被用来识别图像中的物体边缘，计算物体的面积、周长和中心点等信息，或者将其作为图像识别的前置处理步骤，提高识别精度。本文将会介绍如何使用Python编写简单的轮廓提取函数。
环境准备
为了编写轮廓提取函数，我们需要安装Python的图像处理库——OpenCV。可以使用以下命令安装：
pip install opencv-python
代码实现
1. 导入库
首先，我们需要导入需要使用的Python库：
import cv2 import numpy as np
其中，cv2库是OpenCV的Python接口库，用于图像处理；numpy库则是Python的数学库，用于矩阵计算和数组操作。
2. 读取图像
接下来，我们需要读取一张待处理的图像，并将其转换为灰度图像。以下是读取和灰度转换的代码：
# 读取图像，转换为灰度图像
image = cv2.imread('image.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
我们可以使用cv2.imread函数来读取一张图像，返回的是一个三维数组，表示图像的像素矩阵。然后，我们使用cv2.cvtColor函数将该图像转换为灰度图像，其返回值是一个二维数组，即图像的灰度矩阵。
3. 二值化处理
由于轮廓包含的是物体的边缘信息，因此我们需要将灰度图像进行二值化处理，将像素值转换为0或255，以便更好的区分物体与背景。以下是二值化处理的代码：
# 二值化处理 _, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
在这段代码中，我们使用cv2.threshold函数进行二值化处理。其参数含义如下：
- gray：输入的灰度图像矩阵；
- 127：用于分割像素值的阈值，小于该值的像素将被设置为0，大于该值的像素将被设置为255；
- 255：设定像素值的上限，大于该值的像素将被截断；
- cv2.THRESH_BINARY：枚举值，表示二值化处理的方法，其中BINARY为基本二值化方法，即将小于阈值的像素取值为0，大于阈值的像素取值为1。
返回值_表示阈值，此处我们并不需要用到，而binary则表示处理后的二值化图像矩阵。
4. 轮廓提取
我们已经得到了图像的二值化矩阵，接下来使用cv2.findContours函数提取轮廓信息。以下是轮廓提取的代码：
# 轮廓提取 contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cv2.findContours函数可以返回输入图像的轮廓信息，其参数含义如下：
- binary：输入的二值化图像矩阵；
- cv2.RETR_EXTERNAL：表示只提取最外层轮廓，即物体边缘；
- cv2.CHAIN_APPROX_SIMPLE：表示使用简单的压缩方法来压缩轮廓数据，将轮廓中冗余的点舍去，以节省空间。
返回值包括两部分，分别是轮廓（contours）和层次结构（hierarchy）。轮廓即是提取出来的物体轮廓信息，是一个由点组成的二维数组；层次结构则是轮廓间的层次关系，其中包括每个轮廓的父子关系、内外包含关系等等，非常复杂。
以下是如何在原图像中绘制轮廓的代码：
cv2.drawContours(image, contours, -1, (0, 0, 255), 2)
cv2.imshow('Contours', image)
第一行代码使用cv2.drawContours函数在原图像中绘制提取出来的所有轮廓，其中参数含义如下：
- image：输入的原图像矩阵；
- contours：要绘制的轮廓信息，即cv2.findContours函数返回的轮廓数组；
- -1：表示要绘制所有轮廓；
- (0, 0, 255)：表示绘制轮廓的颜色，本例中为红色；
- 2：表示绘制轮廓的线宽。
第二行代码使用cv2.imshow函数显示绘制好的图像，在窗口中显示出来。
完整代码
import cv2
import numpy as np
# 读取图像，转换为灰度图像
image = cv2.imread('image.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 二值化处理
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 轮廓提取
contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 在原图中绘制轮廓
cv2.drawContours(image, contours, -1, (0, 0, 255), 2)
# 显示结果
cv2.imshow('Contours', image)
cv2.waitKey(0)
cv2.destroyAllWindows()
总结
在本文中我们介绍了如何使用Python编写简单的轮廓提取函数，包括图像读取、灰度转换、二值化处理、轮廓提取和轮廓绘制等步骤。当然，图像处理是一门非常复杂的学科，除了基础的轮廓提取，还有很多更加高级的技术，如边缘检测、特征提取、图像分割等等，需要我们不断学习和实践。