如何使用 OpenCV Python 显示图像的轮廓？
How do I display the contours of an image using OpenCV Python?
我按照官方 documentation 的教程进行了学习。我运行他们的代码：
import numpy as np
import cv2
im = cv2.imread('test.jpg')
imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(imgray,127,255,0)
contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, -1, (0,255,0), 3)
没关系：没有错误，但是什么都没有 displayed.I 想要显示他们在图片上显示的结果：
我怎样才能显示这样的计数结果（只是左边的结果或右边的结果）？
我知道我必须使用 cv2.imshow(something) 但在这种特定情况下如何使用？
在末尾添加这两行：
cv2.imshow("title", im)
cv2.waitKey()
此外，请注意您在最后一行中使用的是 img 而不是 im。
您应该在代码末尾添加 cv2.imshow("Title", img)。它应该是这样的：
import numpy as np
import cv2
im = cv2.imread('test.jpg')
imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(imgray,127,255,0)
contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(im, contours, -1, (0,255,0), 3)
cv2.imshow("title", im)
cv2.waitKey()
首先，该示例仅向您展示了如何使用简单的近似值绘制等高线。请记住，即使您使用简单的近似值绘制轮廓，它也会被可视化为完全围绕矩形绘制的蓝色轮廓，如左图所示。您将无法通过简单地将轮廓绘制到图像上来获得正确的图像。此外，您想要比较两组轮廓 - 右侧的简化版本和左侧的完整表示。具体来说，您需要将 cv2.CHAIN_APPROX_SIMPLE 标志替换为 cv2.CHAIN_APPROX_NONE 以获得完整表示。查看 findContours 上的 OpenCV 文档了解更多详情：http://docs.opencv.org/modules/imgproc/doc/structural_analysis_and_shape_descriptors.html#findcontours
此外，即使您在图像上绘制轮廓，它也不会显示结果。为此，您需要调用 cv2.imshow。但是，绘制轮廓本身并不能告诉您完整版和简化版之间的区别。本教程提到您需要在每个轮廓点 绘制圆圈 ，因此我们不应使用 cv2.drawContours 来完成此任务。你应该做的是提取轮廓点并在每个点画圆圈。
因此，像这样创建两个图像：
# Your code
import numpy as np
import cv2
im = cv2.imread('test.jpg')
imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(imgray,127,255,0)
## Step #1 - Detect contours using both methods on the same image
contours1, _ = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
contours2, _ = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
### Step #2 - Reshape to 2D matrices
contours1 = contours1[0].reshape(-1,2)
contours2 = contours2[0].reshape(-1,2)
### Step #3 - Draw the points as individual circles in the image
img1 = im.copy()
img2 = im.copy()
for (x, y) in contours1:
cv2.circle(img1, (x, y), 1, (255, 0, 0), 3)
for (x, y) in contours2:
cv2.circle(img2, (x, y), 1, (255, 0, 0), 3)
请注意，上面的代码是针对 OpenCV 2 的。对于 OpenCV 3，cv2.findContours 有一个额外的输出，这是您在这种情况下可以忽略的第一个输出：
_, contours1, _ = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
_, contours2, _ = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
现在让我们慢慢浏览代码。代码的第一部分是您提供的。现在我们开始讨论新内容。
步骤 #1 - 使用两种方法检测轮廓
使用阈值化图像，我们使用完全近似和简单近似来检测轮廓。这存储在两个列表中，contours1 和 contours2.
步骤 #2 - 重塑为二维矩阵
轮廓本身存储为 NumPy 数组列表。对于提供的简单图像，应该只检测到一个轮廓，因此提取列表的第一个元素，然后使用 numpy.reshape 将 3D 矩阵重塑为 2D 形式，其中每一行都是 (x, y)点.
步骤 #3 - 将点绘制为图像中的单个圆圈
下一步是从每组轮廓中提取每个 (x, y) 点并将它们绘制在图像上。我们以彩色形式制作原始图像的两个副本，然后我们使用 cv2.circle 并为两组轮廓迭代每对 (x, y) 点并填充两个不同的图像 - 每组轮廓一个。
现在，要获得上图，有两种方法可以做到：
- 创建一个将这两个结果并排存储在一起的图像，然后显示这个组合图像。
- 使用
matplotlib，结合subplot和imshow，这样你就可以将两个图像合二为一window。
我将向您展示如何使用这两种方法：
方法一
只需将两张图片并排堆叠，然后显示之后的图片：
out = np.hstack([img1, img2])
# Now show the image
cv2.imshow('Output', out)
cv2.waitKey(0)
cv2.destroyAllWindows()
我将它们水平堆叠，使它们成为一个组合图像，然后用 cv2.imshow 显示。
方法二
您可以使用 matplotlib:
import matplotlib.pyplot as plt
# Spawn a new figure
plt.figure()
# Show the first image on the left column
plt.subplot(1,2,1)
plt.imshow(img1[:,:,::-1])
# Turn off axis numbering
plt.axis('off')
# Show the second image on the right column
plt.subplot(1,2,2)
plt.imshow(img2[:,:,::-1])
# Turn off the axis numbering
plt.axis('off')
# Show the figure
plt.show()
这应该将两个图像显示在一个整体图中的单独子图中 window。如果您看一下我在这里调用 imshow 的方式，您会发现我正在交换 RGB 通道，因为 OpenCV 以 BGR 格式读取图像。如果你想用 matplotlib 显示图像，你需要反转通道，因为图像是 RGB 格式（它们应该是）。
要在您的评论中解决您的问题，您可以采用您想要的轮廓结构（contours1 或 contours2）并搜索轮廓点。 contours 是所有可能轮廓的列表，每个轮廓内都有一个 3D 矩阵，其形状为 N x 1 x 2 格式。 N 将是代表轮廓的点总数。我将删除单例第二维，这样我们就可以把它变成一个 N x 2 矩阵。另外，让我们现在使用轮廓的完整表示：
points = contours1[0].reshape(-1,2)
我假设你的图像只有 一个 对象，因此我用索引 0 索引到 contours1。我解开矩阵，使其成为单行向量，然后重塑矩阵，使其变为 N x 2。接下来，我们可以通过以下方式找到最小点：
min_x = np.argmin(points[:,0])
min_point = points[min_x,:]
np.argmin 查找您提供的数组中最小值的 位置 。在这种情况下，我们要沿着 x 坐标或列进行操作。一旦我们找到这个位置，我们只需索引我们的 2D 轮廓点数组并提取出轮廓点。
我按照官方 documentation 的教程进行了学习。我运行他们的代码：
import numpy as np
import cv2
im = cv2.imread('test.jpg')
imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(imgray,127,255,0)
contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, -1, (0,255,0), 3)
没关系：没有错误，但是什么都没有 displayed.I 想要显示他们在图片上显示的结果：
我怎样才能显示这样的计数结果（只是左边的结果或右边的结果）？
我知道我必须使用 cv2.imshow(something) 但在这种特定情况下如何使用？
在末尾添加这两行：
cv2.imshow("title", im)
cv2.waitKey()
此外，请注意您在最后一行中使用的是 img 而不是 im。
您应该在代码末尾添加 cv2.imshow("Title", img)。它应该是这样的：
import numpy as np
import cv2
im = cv2.imread('test.jpg')
imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(imgray,127,255,0)
contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(im, contours, -1, (0,255,0), 3)
cv2.imshow("title", im)
cv2.waitKey()
首先，该示例仅向您展示了如何使用简单的近似值绘制等高线。请记住，即使您使用简单的近似值绘制轮廓，它也会被可视化为完全围绕矩形绘制的蓝色轮廓，如左图所示。您将无法通过简单地将轮廓绘制到图像上来获得正确的图像。此外，您想要比较两组轮廓 - 右侧的简化版本和左侧的完整表示。具体来说，您需要将 cv2.CHAIN_APPROX_SIMPLE 标志替换为 cv2.CHAIN_APPROX_NONE 以获得完整表示。查看 findContours 上的 OpenCV 文档了解更多详情：http://docs.opencv.org/modules/imgproc/doc/structural_analysis_and_shape_descriptors.html#findcontours
此外，即使您在图像上绘制轮廓，它也不会显示结果。为此，您需要调用 cv2.imshow。但是，绘制轮廓本身并不能告诉您完整版和简化版之间的区别。本教程提到您需要在每个轮廓点 绘制圆圈 ，因此我们不应使用 cv2.drawContours 来完成此任务。你应该做的是提取轮廓点并在每个点画圆圈。
因此，像这样创建两个图像：
# Your code
import numpy as np
import cv2
im = cv2.imread('test.jpg')
imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(imgray,127,255,0)
## Step #1 - Detect contours using both methods on the same image
contours1, _ = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
contours2, _ = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
### Step #2 - Reshape to 2D matrices
contours1 = contours1[0].reshape(-1,2)
contours2 = contours2[0].reshape(-1,2)
### Step #3 - Draw the points as individual circles in the image
img1 = im.copy()
img2 = im.copy()
for (x, y) in contours1:
cv2.circle(img1, (x, y), 1, (255, 0, 0), 3)
for (x, y) in contours2:
cv2.circle(img2, (x, y), 1, (255, 0, 0), 3)
请注意，上面的代码是针对 OpenCV 2 的。对于 OpenCV 3，cv2.findContours 有一个额外的输出，这是您在这种情况下可以忽略的第一个输出：
_, contours1, _ = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
_, contours2, _ = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
现在让我们慢慢浏览代码。代码的第一部分是您提供的。现在我们开始讨论新内容。
步骤 #1 - 使用两种方法检测轮廓
使用阈值化图像，我们使用完全近似和简单近似来检测轮廓。这存储在两个列表中，contours1 和 contours2.
步骤 #2 - 重塑为二维矩阵
轮廓本身存储为 NumPy 数组列表。对于提供的简单图像，应该只检测到一个轮廓，因此提取列表的第一个元素，然后使用 numpy.reshape 将 3D 矩阵重塑为 2D 形式，其中每一行都是 (x, y)点.
步骤 #3 - 将点绘制为图像中的单个圆圈
下一步是从每组轮廓中提取每个 (x, y) 点并将它们绘制在图像上。我们以彩色形式制作原始图像的两个副本，然后我们使用 cv2.circle 并为两组轮廓迭代每对 (x, y) 点并填充两个不同的图像 - 每组轮廓一个。
现在，要获得上图，有两种方法可以做到：
- 创建一个将这两个结果并排存储在一起的图像，然后显示这个组合图像。
- 使用
matplotlib，结合subplot和imshow，这样你就可以将两个图像合二为一window。
我将向您展示如何使用这两种方法：
方法一
只需将两张图片并排堆叠，然后显示之后的图片：
out = np.hstack([img1, img2])
# Now show the image
cv2.imshow('Output', out)
cv2.waitKey(0)
cv2.destroyAllWindows()
我将它们水平堆叠，使它们成为一个组合图像，然后用 cv2.imshow 显示。
方法二
您可以使用 matplotlib:
import matplotlib.pyplot as plt
# Spawn a new figure
plt.figure()
# Show the first image on the left column
plt.subplot(1,2,1)
plt.imshow(img1[:,:,::-1])
# Turn off axis numbering
plt.axis('off')
# Show the second image on the right column
plt.subplot(1,2,2)
plt.imshow(img2[:,:,::-1])
# Turn off the axis numbering
plt.axis('off')
# Show the figure
plt.show()
这应该将两个图像显示在一个整体图中的单独子图中 window。如果您看一下我在这里调用 imshow 的方式，您会发现我正在交换 RGB 通道，因为 OpenCV 以 BGR 格式读取图像。如果你想用 matplotlib 显示图像，你需要反转通道，因为图像是 RGB 格式（它们应该是）。
要在您的评论中解决您的问题，您可以采用您想要的轮廓结构（contours1 或 contours2）并搜索轮廓点。 contours 是所有可能轮廓的列表，每个轮廓内都有一个 3D 矩阵，其形状为 N x 1 x 2 格式。 N 将是代表轮廓的点总数。我将删除单例第二维，这样我们就可以把它变成一个 N x 2 矩阵。另外，让我们现在使用轮廓的完整表示：
points = contours1[0].reshape(-1,2)
我假设你的图像只有 一个 对象，因此我用索引 0 索引到 contours1。我解开矩阵，使其成为单行向量，然后重塑矩阵，使其变为 N x 2。接下来，我们可以通过以下方式找到最小点：
min_x = np.argmin(points[:,0])
min_point = points[min_x,:]
np.argmin 查找您提供的数组中最小值的 位置 。在这种情况下，我们要沿着 x 坐标或列进行操作。一旦我们找到这个位置，我们只需索引我们的 2D 轮廓点数组并提取出轮廓点。