Python OpenCV图像区域轮廓标记实战：从边缘检测到矩形框选

前置说明

上一篇关于OpenCV的博文原计划实现银行卡号识别功能，但在编写过程中发现自身技术储备尚显不足，无法从示例图片中准确提取卡号区域，导致后续识别步骤无法进行。这再次印证了当前技术水平的局限，需继续深入学习。鉴于原目标暂难达成，转而实现其他辅助学习项目。

轮廓识别实战演示

首先展示最终实现效果，针对一张前景色与背景色对比鲜明的图片进行轮廓标记处理。

图像基础预处理

import cv2 as cv

src = cv.imread("./demo.jpg")

gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
# cv.imshow("src", src)

gray = cv.GaussianBlur(gray, (5, 5), 0)
edges = cv.Canny(gray, 70, 210)

cv.imshow("edged", edges)

处理流程首先将图像转换为灰度图，随后应用高斯模糊以去除噪声，最后使用Canny算法进行边缘检测。这些均为图像处理的基础函数，其具体用法已在之前的文章中详细学习过。

执行上述预处理代码后，即可获取基础的边缘数据信息。

轮廓检测实现

接下来展示检测图像轮廓具体位置的核心代码：

contours, hierarchy = cv.findContours(edges.copy(), cv.RETR_LIST, cv.CHAIN_APPROX_SIMPLE)
print(f"轮廓数量：{len(contours)}")

在 cv.findContours(edges, cv.RETR_LIST, cv.CHAIN_APPROX_SIMPLE) 调用中，第二个参数设置为 cv.RETR_LIST，该参数值表示检测所有轮廓且不建立层级关系，使各轮廓彼此独立。若仅需获取轮廓边缘信息而不关心其是否嵌套于其他轮廓内部，使用此参数值即可满足需求。

第三个参数设置为 cv.CHAIN_APPROX_SIMPLE，表示对水平、垂直及对角线方向的元素进行压缩，仅保留该方向的终点坐标。例如，一个矩形轮廓仅需4个点即可保存其轮廓信息，此举旨在便于后续计算处理。

观察处理结果图可知，最外侧边缘所围成的面积最大。因此，可依据面积大小进行排序，通过其他指标亦可实现，最终目标是获取面积最大的轮廓。

contours = sorted(contours, key = cv.contourArea, reverse = True)[:3]

对筛选出的轮廓进行简单绘制，即可得到下图所示的处理效果。

cv.drawContours(src,contours,-1,(0,0,255),2)

遍历轮廓并计算轮廓近似多边形

具体实现代码如下：

# 遍历轮廓
for c in contours:
	# 计算轮廓近似
	peri = cv.arcLength(c, True)
	approx = cv.approxPolyDP(c, 0.02 * peri, True)

此处引入一个新函数 cv.arcLength，其函数原型定义如下：

retval = cv2.arcLength(curve, closed)

该函数主要用于计算轮廓的周长。

随后使用的 cv.approxPolyDP 函数原型定义如下：

approxCurve = cv2.approxPolyDP(curve, epsilon, closed[, approxCurve])

该函数的具体参数说明如下：

• curve：代表源图像中的某个特定轮廓；
• epsilon：表示距离值，用于衡量多边形轮廓逼近实际轮廓的程度，该值越小，逼近精度越高；
• closed：指示轮廓是否闭合。

其中最关键的参数是 epsilon，可简单记忆为：该值越小，生成的多边形角点数量越多，轮廓越贴近实际形状，此参数主要控制逼近的准确度。

该函数的返回值为轮廓近似多边形的角点集合。

轮廓绘制与筛选

最后进行判断，当上述函数返回的角点数量恰好为4时，提取该轮廓，具体代码如下：

# 遍历轮廓
for c in contours:
	# 计算轮廓近似
	peri = cv.arcLength(c, True)
	approx = cv.approxPolyDP(c, 0.02 * peri, True)

	# 当恰好是 4 个角点的时候，获取轮廓。
	if len(approx) == 4:
		screen_cnt = approx
		break

# 结果显示
cv.drawContours(src, [screen_cnt], -1, (0, 0, 255), 2)

更换输入图片后再次进行轮廓检测，注意只需修改轮廓近似部分的代码逻辑即可适配新场景。

# 遍历轮廓
for c in contours:
  # 计算轮廓近似

  approx = cv.approxPolyDP(c, 30, True)

  if len(approx) == 4:
    screen_cnt = approx
    break

至此，关于Python OpenCV图像区域轮廓标记（框选各种小纸条）的介绍已结束，更多相关Python OpenCV区域轮廓标记内容可搜索本站往期文章或继续浏览后续相关文章，希望大家以后多多支持本站！