（纯新手教学）计算机视觉（opencv）实战九——轮廓检测（Contour Detection）cv2.findContours、cv2.drawContours

最新推荐文章于 2025-08-24 01:23:50 发布

原创最新推荐文章于 2025-08-24 01:23:50 发布 · 1.2k 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #人工智能 #计算机视觉

计算机视觉opencv 专栏收录该内容

9 篇文章

订阅专栏

📌 轮廓检测（Contour Detection）

1. 什么是轮廓检测？

在图像处理中，轮廓（Contour） 是指沿着相同颜色或灰度值边界的连续曲线。
通过轮廓检测，我们可以获取物体的形状、大小、位置等信息，这在 目标检测、物体识别、图像分割、测量分析 等应用中非常常见。

⚠️ 注意：轮廓检测需要在 二值化图像 上进行，也就是说图像中的像素值必须是 0（黑色）或 255（白色），这样轮廓才会清晰。

2. 轮廓检测函数 —— `cv2.findContours`

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

参数说明：

参数名	说明
image	输入的二值化图像（黑白图，像素值仅 0 和 255）。⚠️ 原图会被修改，通常先用 `copy()`。
mode	轮廓检索模式：• `cv2.RETR_EXTERNAL` ：只检测最外层轮廓• `cv2.RETR_LIST` ：检测所有轮廓，不建立层级关系• `cv2.RETR_CCOMP` ：返回两层结构，外轮廓为第 1 层，内孔洞为第 2 层• `cv2.RETR_TREE` ：返回所有轮廓，建立完整树形结构
method	轮廓近似方法：• `cv2.CHAIN_APPROX_NONE` ：保留轮廓上所有点（点数多，占内存）• `cv2.CHAIN_APPROX_SIMPLE` ：压缩冗余点，仅保留端点（推荐，节省空间）
contours	可选参数，一般不用，传入已有的轮廓数据。
hierarchy	可选参数，一般不用，传入已有的层次结构。
offset	偏移量，所有轮廓点坐标会加上此偏移值（常用于 ROI 情况）。

img：输入图像（必须是二值化图像）。
mode：轮廓检索模式（决定如何组织轮廓层次结构）
- cv2.RETR_EXTERNAL：只检测最外层的轮廓，忽略内部轮廓。
- cv2.RETR_LIST：检测所有轮廓，但不建立层次结构。
- cv2.RETR_CCOMP：返回两层结构，外轮廓为第 1 层，内孔洞为第 2 层。
- cv2.RETR_TREE：返回所有轮廓，并建立完整的层次结构（树形结构）。
method：轮廓近似方法
- cv2.CHAIN_APPROX_NONE：保存轮廓上的所有点。
- cv2.CHAIN_APPROX_SIMPLE：压缩冗余点，只保留拐点。

返回值：

image：输入图像的副本（OpenCV 旧版本返回3个，新版本只返回2个）。
contours：一个 Python 列表，包含所有轮廓，每个轮廓是一个 numpy.ndarray，存储轮廓点坐标 (x,y)。
hierarchy：轮廓的层次结构数组，每个元素包含 [Next, Previous, First_Child, Parent]。

3. 层次结构（Hierarchy）

hierarchy 是一个 numpy 数组，形状为 (1, 轮廓数量, 4)，含义如下：

Next：同一层级的下一个轮廓索引。
Previous：同一层级的上一个轮廓索引。
First Child：第一个子轮廓索引。
Parent：父轮廓索引。

例如，检测一个带孔洞的圆，外圆是父轮廓，内圆是子轮廓。

4. 绘制轮廓 —— `cv2.drawContours`

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

参数说明：

参数名	类型	说明
image	`ndarray`	要绘制轮廓的输入图像（一般是原图或副本）
contours	list	由 `cv2.findContours()` 返回的轮廓列表
contourIdx	int	要绘制的轮廓索引：• `-1`：绘制所有轮廓• `0,1,2,...`：绘制指定索引的轮廓
color	`(B,G,R)` 元组	轮廓颜色，例如 `(0,255,0)` 表示绿色
thickness	int	轮廓线条的粗细，`-1` 表示填充轮廓区域
lineType	int（可选）	线条类型，默认 `cv2.LINE_8`
hierarchy	`ndarray`（可选）	轮廓层次结构（由 `findContours` 返回），可用于选择性绘制
maxLevel	int（可选）	绘制的最大轮廓层级，`0` 只绘制当前层级，`1` 包括子轮廓，以此类推
offset	`(x,y)` 元组（可选）	绘制时对轮廓坐标的偏移量

image：要绘制轮廓的图像。
contours：由 cv2.findContours() 返回的轮廓列表。
contourIdx：要绘制的轮廓索引，-1 表示绘制所有轮廓。
color：绘制颜色（BGR 格式，例如 (0,255,0) 表示绿色）。
thickness：线条粗细，-1 表示填充整个轮廓。

5. 代码示例：手机轮廓检测

图片准备：可直接使用下图，也可以自备图片

以下所有处理后的图片：

import cv2

# 1. 读取图像
phone = cv2.imread('phone.png')
phone_gray = cv2.cvtColor(phone, cv2.COLOR_BGR2GRAY)

# 2. 二值化处理
ret, phone_binary = cv2.threshold(phone_gray, 120, 255, cv2.THRESH_BINARY)

# 3. 查找轮廓
_, contours, hierarchy = cv2.findContours(phone_binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

print("层次结构：", hierarchy)
print("轮廓数量：", len(contours))

# 4. 绘制轮廓
image_copy = phone.copy()
cv2.drawContours(image_copy, contours, -1, (0, 255, 0), 2)
cv2.imshow('phone', phone)
cv2.imshow('phone_gray', phone_gray)
cv2.imshow('Binary Image', phone_binary)
cv2.imshow('Contours Detected', image_copy)
cv2.waitKey(0)
cv2.destroyAllWindows()