Python + Opencv2 實現(xiàn)輪廓提取，輪廓區(qū)域面積計算；

對圖像處理時，會遇到這樣一個場景：找到圖像主體輪廓，這是其一，可能為了凸顯輪廓，需要用指定的顏色進行標記；輪廓標記完可能任務(wù)還沒有結(jié)束，還需對輪廓所勾勒的像素面積區(qū)域統(tǒng)計計算。

本篇文章的主要內(nèi)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(huán)境配置為 Python + Opencv 3.4， 處理的圖像如下：

images.jpg第一步，提取輪廓，Opencv 中的 findContours() 函數(shù) 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(shù)據(jù)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(shù)據(jù)格式轉(zhuǎn)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，就以本次圖像為例，如果直接提取效果如下：

1.jpg圖片最外層是一層黑色部分，所以最終結(jié)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(yù)處理：把背景變?yōu)楹谏?/p>

提供一個簡單辦法，閾值化處理：設(shè)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(大于或小于設(shè)定的閾值時)，像素值發(fā)生變化。

自適應(yīng)閾值化分割

這里用到的是 Opencv 提供的自適應(yīng)閾值分割算法，其函數(shù)格式為:

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，等價于上面提到的 OutsideValue；adaptiveMetheod: 自適應(yīng)閾值分割算法，Opencv 中提供兩種方法1，ADAPTIVE_THRESH_MEAN_C : 最后的像素值

為原像素值

區(qū)域像素的平均值 ;

2，ADAPTIVE_THRESH_GAUSSIAN_C : 最后像素值

為原像素值

附近

區(qū)域大小最小值 ;

thresholdType 閾值分割方法，Opencv 提供了5 種；1，THRESH_BINARY:

2，THRESH_BINARY_INV:

3，THRESH_TRUNC:

4，THRESH_TOZERO:

5，THRESH_TOZERO_INV;

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(shè)置的參數(shù)：

dst = cv2.adaptiveThreshold(mat_img2,210,cv2.BORDER_REPLICATE,cv2.THRESH_BINARY_INV,3,10)自適應(yīng)閾值分割的結(jié)果：

輪廓提取

接下來就是進行輪廓提取了，用到的函數(shù)：

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

image 返回的圖像，在 Opencv 4.0 之后就沒有這個參數(shù)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坐標向量；hierarchy 表示輪廓的繼承關(guān)系，一般用不到;dimage 后面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(guān)系；

3， RETR_CCOMP ；提取所有輪廓，最后形成兩個水平集，外面一個，內(nèi)部一個；

4， RETR_TREE ；提取所有輪廓，構(gòu)建等級關(guān)系(父子繼承關(guān)系)

method :輪廓近似點連接方式，例如一個長方形，可以由數(shù)百個點連接而成，單節(jié)省內(nèi)存的方式就是找到四個角點即可；其中前者為 CHAIN_APPROX_NONE 后者為 CHAIN_APPROX_SIMPLE這里分別對 mode 設(shè)置不同的參數(shù)，一個設(shè)為 RETR_TREE (提取全部輪廓)，一個設(shè)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(jié)果：

RETR_EXTRENAL 結(jié)果：

是不是感受到了mode 不同導(dǎo)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

對輪廓顏色繪制，用到 的函數(shù)

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

image 繪制輪廓的圖像 ndarray 格式；contours ,findContours 函數(shù)找到的輪廓列表；contourIdx 繪制輪廓的索引數(shù)，取整數(shù)時繪制特定索引的輪廓，為負值時，繪制全部輪廓；color 繪制輪廓所用到的顏色，這里需要提醒一下， 想使用 RGB 彩色繪制時，必須保證 輸入的 image 為三通道，否則輪廓線非黑即白；thickness ，用于繪制輪廓線條的寬度，取負值時將繪制整個輪廓區(qū)域；以下就是分別取 thickness 為3(左)、-3(右) 繪制的結(jié)果

輪廓區(qū)域面積計算

最后計算輪廓面積，用到 cv2.contourArea(contour) 函數(shù)，里面的參數(shù)指的就是計算的輪廓

area = 0for i in contours: area += cv2.contourArea(i)print(area)>>>16397.5#最后結(jié)果本篇文章用到的完整代碼如下：

import cv2img_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(yīng)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 = 0for i in contours: area += cv2.contourArea(i)print(area)#圖像showcv2.imshow("window1",mat_img)cv2.waitKey(0)

總結(jié)

以上是生活随笔為你收集整理的python计算颜色占比_用 Python 对图片主体轮廓进行提取、颜色标记、并计算区域面积...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。