Python + Opencv2 實現輪廓提取，輪廓區域面積計算；
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還沒有結束，還需對輪廓所勾勒的像素麵積區域統計計算。
本篇文章的主要內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 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，輸入的圖像數據類型需是 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據格式轉換，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，需要進行預處理：把背景變為黑色
提供一個簡單辦法，閾值化處理：設定一個閾值 Threshold 和一個指定值 OutsideValue ，當圖像中像素滿足某種條件(大於或小於設定的閾值時)，像素值發生變化。
自適應閾值化分割
這裡用到的是 Opencv 提供的自適應閾值分割算法，其函數格式為:
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，等價於上面提到的 OutsideValue；adaptiveMetheod: 自適應閾值分割算法，Opencv 中提供兩種方法1，ADAPTIVE_THRESH_MEAN_C : 最後的像素值
為原像素值
區域像素的平均值 ;
2，ADAPTIVE_THRESH_GAUSSIAN_C : 最後像素值
為原像素值
附近
區域大小最小值 ;
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置的參數：
dst = cv2.adaptiveThreshold(mat_img2,210,cv2.BORDER_REPLICATE,cv2.THRESH_BINARY_INV,3,10)自適應閾值分割的結果：
輪廓提取
接下來就是進行輪廓提取了，用到的函數：
image, contours, hierarchy=cv2.findContours(image, mode, method)
image 返回的圖像，在 Opencv 4.0 之後就沒有這個參數了；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 表示輪廓的繼承關係，一般用不到;dimage 後面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係；
3， RETR_CCOMP ；提取所有輪廓，最後形成兩個水平集，外面一個，內部一個；
4， RETR_TREE ；提取所有輪廓，構建等級關係（父子繼承關係）
method :輪廓近似點連接方式，例如一個長方形，可以由數百個點連接而成，單節省內存的方式就是找到四個角點即可；其中前者為 CHAIN_APPROX_NONE 後者為 CHAIN_APPROX_SIMPLE這裡分別對 mode 設置不同的參數，一個設為 RETR_TREE (提取全部輪廓)，一個設置 RETR_EXTRENAL (只提取最外部輪廓 )；可以看一下提取輪廓效果：
RETR_TREE 結果：
RETR_EXTRENAL 結果：
是不是感受到了mode 不同導致輪廓的差距；一般只提取一個輪廓用 RETR_EXTRENAL，多個的話用 RETR_TREE；
輪廓標記
對輪廓顏色繪製，用到 的函數
cv2.drawContours(image, contours, contourIdx, color,thickness)
image 繪製輪廓的圖像 ndarray 格式；contours ,findContours 函數找到的輪廓列表；contourIdx 繪製輪廓的索引數，取整數時繪製特定索引的輪廓，為負值時，繪製全部輪廓；color 繪製輪廓所用到的顏色，這裡需要提醒一下， 想使用 RGB 彩色繪製時，必須保證 輸入的 image 為三通道，否則輪廓線非黑即白；thickness ，用於繪製輪廓線條的寬度，取負值時將繪製整個輪廓區域；以下就是分別取 thickness 為3(左)、-3(右) 繪製的結果
輪廓區域面積計算
最後計算輪廓面積，用到 cv2.contourArea(contour) 函數，裡面的參數指的就是計算的輪廓
area = 0for i in contours: area += cv2.contourArea(i)print(area)>>>16397.5#最後結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)