python - 如何在OpenCV中区分实心圆/轮廓和未实心圆/轮廓？

Question

我无法区分以下两个轮廓。 cv2.contourArea两者的值相同。在Python中有什么功能可以区分它们吗？

Answer 1

要区分填充轮廓和未填充轮廓，可以在使用 cv2.findContours 查找轮廓时使用轮廓层次。具体来说，您可以选择contour retrieval mode以有选择地返回包含有关图像拓扑信息的输出 vector 。有四种可能的模式:

cv2.RETR_EXTERNAL-仅检索极端外部轮廓(无层次)

cv2.RETR_LIST-在不建立任何层次关系的情况下检索所有轮廓

cv2.RETR_CCOMP-检索所有轮廓并将其组织为两级层次结构。在顶层，组件具有外部边界。在第二层，有孔的边界。如果所连接零部件的孔内还有其他轮廓，则该轮廓仍放置在顶层

cv2.RETR_TREE-检索所有轮廓并重建嵌套轮廓的完整层次

了解轮廓层次结构

因此，利用此信息，我们可以使用 cv2.RETR_CCOMP或 cv2.RETR_TREE返回层次结构列表。以这张图片为例:

当我们使用 cv2.RETR_TREE参数时，轮廓按层次结构排列，每个对象的最外轮廓在顶部。在层次结构中向下移动，每个新的轮廓级别代表每个对象的下一个最里面的轮廓。在上图中，图像中的轮廓被着色以表示返回轮廓数据的层次结构。最外面的轮廓是红色的，它们在层次结构的顶部。接下来的最里面的轮廓-在这种情况下是骰子点-是绿色的。

我们可以通过 cv2.findContours函数调用中的层次结构数组获取有关轮廓层次结构的信息。假设我们这样调用函数:

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

第三个返回值(保存在此代码中的 hierarchy变量中)是三维NumPy数组，具有一行， X列，“深度”为4。 X列对应于该函数找到的轮廓数量。 cv2.RETR_TREE参数使函数查找每个对象的内部轮廓和最外面的轮廓。列零对应于第一个轮廓，列一对应第二个轮廓，依此类推。

根据此方案，每一列都有一个四元素整数数组，表示其他轮廓的索引:

[next, previous, first child, parent]

下一个索引引用此轮廓的层次结构级别中的下一个轮廓，而上一个索引引用此轮廓的层次结构级别中的上一个轮廓。第一个子索引是指包含在该轮廓内部的第一个轮廓。父索引是指包含该轮廓的轮廓。在所有情况下， -1的值均指示没有下一个，上一个，第一个子级或父级轮廓。对于更具体的示例，这是一些示例 hierarchy值。值在方括号中，轮廓索引在每个条目之前。
如果您打印出层次结构数组，您将得到类似以下的内容

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]。这代表最外面的轮廓中的第一个；请注意，轮廓没有特定的顺序，例如默认情况下它们不会从左到右存储。该条目告诉我们，下一个骰子轮廓是索引为6的轮廓，列表中没有先前的轮廓，该轮廓内的第一个轮廓的索引为1，并且该轮廓没有父级(不包含轮廓这个)。我们可以将 hierarchy数组中的信息可视化为七棵树，图像中每个骰子一棵。



最外面的七个轮廓是所有没有父级的轮廓，即在其 -1条目的第四字段中具有 hierarchy值的轮廓。 “根”之一下方的每个子节点代表最外轮廓内部的轮廓。注意在图中轮廓13和14如何在轮廓12下方。这两个轮廓代表最里面的轮廓，可能是噪点或某一点的涂料丢失。一旦了解了轮廓是如何排列到层次结构中的，就可以执行更复杂的任务，例如计算形状中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轮廓和外部轮廓，以确定轮廓是已填充还是未填充。我们可以将填充轮廓定义为没有子级的轮廓，而将未填充轮廓定义为至少一个子级的轮廓。因此，使用此输入图像的屏幕截图(删除了框):



结果



码

import cv2
import numpy as np

# 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)
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()