opencv教程-輪廓檢測

1：輪廓檢測的基本流程

圖像灰度化→圖像二值化或邊緣檢測→輪廓檢測

2：輪廓特徵

輪廓矩，面積，周長等

3：輪廓近似、凸包

輪廓近似：設置精度，對原輪廓進行多邊形近似。

凸包：相當於獲取外交多邊形。

4：外接矩形

這裡有兩種，常規外接矩形 和 最小外接矩形（有旋轉角度）。

5：最小外接圓

6：擬合橢圓

7：輪廓的常用屬性

https://docs.opencv.org/4.4.0/d1/d32/tutorial_py_contour_properties.html

8：判斷點與輪廓的位置關係

dist = cv.pointPolygonTest(cnt,(50,50),True)

第三個參數是True則返回的是點到輪廓的距離，負數表示點在輪廓外，正數表示點在輪廓內，0表示點在輪廓上；False則表示點是否在輪廓內外或上。

9：輪廓匹配

dis= cv.matchShapes(cnt1,cnt2,1,0.0)

基於hu矩計算兩個輪廓的距離，越小越相似。

10：輪廓提取方式

cv2.RETR_EXTERNAL - 只提取最外層的輪廓

cv2.RETR_LIST - 提取所有輪廓，並且放置在 list 中

cv2.RETR_CCOMP - 提取所有輪廓，並且將其組織為兩層的 hierarchy: 頂層為連通域的外圍邊界，次層為洞的內層邊界。

cv2.RETR_TREE - 提取所有輪廓，並且重構嵌套輪廓的全部 hierarchy

11：輪廓點存儲方式

cv2.CHAIN_CODE - Freeman 鏈碼的輸出輪廓. 其它方法輸出多邊形(定點序列).

cv2.CHAIN_APPROX_NONE - 將所有點由鏈碼形式翻譯(轉化）為點序列形式

cv2.CHAIN_APPROX_SIMPLE - 壓縮水平、垂直和對角分割，即函數隻保留末端的像素點；

cv2.CHAIN_APPROX_TC89_L1,

cv2.CHAIN_APPROX_TC89_KCOS - 應用 Teh-Chin 鏈逼近算法. CV_LINK_RUNS - 通過連接為 1 的水平碎片使用完全不同的輪廓提取算法。僅有 CV_RETR_LIST 提取模式可以在本方法中應用.