了解等高线层次结构：如何在OpenCV中区分填充圆/轮廓和非填充圆/轮廓？

Question

了解等高线层次结构：如何在OpenCV中区分填充圆/轮廓和非填充圆/轮廓？

pythonimageopencvimage-processingcomputer-vision

8

我无法区分以下两个轮廓。 cv2.contourArea() 给出的值是相同的。有没有Python函数可以区分它们？如何使用轮廓层次确定差异？

- ssharma

5

在cv2.findContours中，你可以将Retrieval Mode设置为RETR_CCOMP以获取轮廓的完整层次结构。对于未填充的圆形，您将获得两个轮廓，一个是外圆，一个是内圆。 - HansHirse

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- nathancy · Accepted Answer

为了区分填充和未填充的轮廓，可以在使用cv2.findContours()函数查找轮廓时，使用轮廓层次结构。具体来说，可以选择轮廓检索模式，可选地返回一个向量输出，其中包含有关图像拓扑的信息。有四种可能的模式:

cv2.RETR_EXTERNAL - 仅检索极端外部轮廓（没有层次结构）
cv2.RETR_LIST - 检索所有轮廓，而不建立任何层次关系
cv2.RETR_CCOMP - 检索所有轮廓，并将它们组织成两级层次结构。在顶层，是组件的外部边界，在第二层，是孔的边界。如果孔里有另一个轮廓，请仍然将其放在顶级。
cv2.RETR_TREE - 检索所有轮廓，并重建嵌套轮廓的完整层次结构

理解轮廓层次结构

因此，我们可以使用cv2.RETR_CCOMP或cv2.RETR_TREE返回一个层次列表。以此图像为例:

当我们使用cv2.RETR_TREE参数时，轮廓按层次结构排列，每个对象的最外层轮廓位于顶部。沿着层次结构向下移动，每个新级别的轮廓表示每个对象的下一个内层轮廓。在上面的图像中，轮廓被着色以表示返回轮廓数据的分层结构。最外层的轮廓是红色的，并且它们位于层次结构的顶部。下一个内部轮廓 - 在这种情况下是骰子点数 - 是绿色的。

我们可以通过来自cv2.findContours函数调用的层次数组获得有关轮廓层次结构的信息。假设我们像这样调用函数:

(_, contours, hierarchy) = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

这段代码中保存在hierarchy变量中的第三个返回值是一个三维NumPy数组，其中有一行、X列和深度为4。这里的X列对应于函数找到的轮廓数。参数cv2.RETR_TREE使该函数查找每个对象的内部轮廓以及最外层轮廓。第0列对应于第一个轮廓，第1列对应于第二个轮廓，以此类推。

每列都有一个包含四个整数元素的数组，表示根据以下方案的其他轮廓索引：

[next, previous, first child, parent]

next指向此轮廓层级中下一个轮廓，previous指向此轮廓层级中上一个轮廓，first child指向包含在此轮廓内的第一个轮廓，parent指向包含此轮廓的轮廓。在所有情况下，值为-1表示不存在相应的next、previous、first child或parent轮廓。以下是一些示例hierarchy值的具体示例。这些值用方括号括起来，在每个条目之前都有轮廓的索引。如果您打印出轮廓结构数组，将会得到类似以下内容：

0:  [ 6 -1  1 -1]   18: [19 -1 -1 17]
1:  [ 2 -1 -1  0]   19: [20 18 -1 17]
2:  [ 3  1 -1  0]   20: [21 19 -1 17]
3:  [ 4  2 -1  0]   21: [22 20 -1 17]
4:  [ 5  3 -1  0]   22: [-1 21 -1 17]
5:  [-1  4 -1  0]   23: [27 17 24 -1]
6:  [11  0  7 -1]   24: [25 -1 -1 23]
7:  [ 8 -1 -1  6]   25: [26 24 -1 23]
8:  [ 9  7 -1  6]   26: [-1 25 -1 23]
9:  [10  8 -1  6]   27: [32 23 28 -1]
10: [-1  9 -1  6]   28: [29 -1 -1 27]
11: [17  6 12 -1]   29: [30 28 -1 27]
12: [15 -1 13 11]   30: [31 29 -1 27]
13: [14 -1 -1 12]   31: [-1 30 -1 27]
14: [-1 13 -1 12]   32: [-1 27 33 -1]
15: [16 12 -1 11]   33: [34 -1 -1 32]
16: [-1 15 -1 11]   34: [35 33 -1 32]
17: [23 11 18 -1]   35: [-1 34 -1 32]

第一个轮廓的条目是[6, -1, 1, -1]。这代表最外层轮廓中的第一个；请注意，轮廓没有特定的顺序，例如，默认情况下它们不是从左到右存储的。该条目告诉我们下一个骰子轮廓的索引是六，列表中没有前一个轮廓，此内部的第一个轮廓的索引为一，此轮廓没有父轮廓（不包含此轮廓的轮廓）。我们可以将hierarchy数组中的信息可视化为七棵树，每棵树代表图像中的一个骰子。

七个最外层轮廓都没有父轮廓，即它们在hierarchy条目的第四个字段中具有值-1。其中一个“根”下面的每个子节点表示最外层轮廓内的轮廓。请注意，在图表中，轮廓13和14在轮廓12下面。这两个轮廓表示最内层的轮廓，可能是噪音或其中一个点的失去的颜色。一旦我们了解轮廓如何排列成层次结构，我们就可以执行更复杂的任务，例如计算形状内轮廓的数量以及图像中对象的数量。

回到您的问题，我们可以使用层次结构来区分内部和外部轮廓，以确定轮廓是否被填充或未填充。我们可以将没有子节点的轮廓定义为填充轮廓，而至少有一个子节点的轮廓定义为未填充轮廓。因此，对于输入图像的此屏幕截图（去掉框）：

结果

代码

import cv2

# Load image, grayscale, Otsu's threshold
image = cv2.imread('1.png')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

# Filter using contour hierarchy
cnts, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)[-2:]
hierarchy = hierarchy[0]
for component in zip(cnts, hierarchy):
    currentContour = component[0]
    currentHierarchy = component[1]
    x,y,w,h = cv2.boundingRect(currentContour)
    # Has inner contours which means it is unfilled
    if currentHierarchy[3] > 0:
        cv2.putText(image, 'Unfilled', (x,y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (36,255,12), 2)
    # No child which means it is filled
    elif currentHierarchy[2] == -1:
        cv2.putText(image, 'Filled', (x,y-5), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (36,255,12), 2)

cv2.imshow('image', image)
cv2.waitKey()