前言
很多情况需要对物体进行检测，常规的方法也有很多种。但是检测出来的边缘一般都是非常多，结果也是非常杂乱的，显然这种结果不是我们想要的。
如果颜色相较于背景非常鲜艳的可以调节hsv阈值再进行检测，如果是一直在运动的物体可以通过帧差法进行物体检测，还有很多高深的算法也可以进行物体检测。
但在这里我介绍一种最简单，也是最实用的方法——轮廓检测法。
轮廓检测法
轮廓检测也是图像处理中经常用到的。OpenCV-Python接口中使用cv2.findContours()函数来查找检测物体的轮廓。
contours, hierarchy = cv2.findContours(image,mode,method)
- image：输入图像
- mode：轮廓的模式。cv2.RETR_EXTERNAL只检测外轮廓；cv2.RETR_LIST检测的轮廓不建立等级关系；cv2.RETR_CCOMP建立两个等级的轮廓，上一层为外边界，内层为内孔的边界。如果内孔内还有连通物体，则这个物体的边界也在顶层；cv2.RETR_TREE建立一个等级树结构的轮廓。
- method：轮廓的近似方法。cv2.CHAIN_APPROX_NOME存储所有的轮廓点，相邻的两个点的像素位置差不超过1；cv2.CHAIN_APPROX_SIMPLE压缩水平方向、垂直方向、对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需要4个点来保存轮廓信息；cv2.CHAIN_APPROX_TC89_L1，cv2.CV_CHAIN_APPROX_TC89_KCOS
- contours：返回的轮廓
- hierarchy：每条轮廓对应的属性
注意：cv2.findContours()函数接受的参数为二值图，即黑白的（不是灰度图），所以读取的图像要先转成灰度的，再转成二值图。
轮廓的绘制
cv2.drawContours(image, contours, contourIdx, color, thickness=None, lineType=None, hierarchy=None, maxLevel=None, offset=None)
-
第一个参数是指明在哪幅图像上绘制轮廓；
-
第二个参数是轮廓本身，在Python中是一个list。
-
第三个参数指定绘制轮廓list中的哪条轮廓，如果是-1，则绘制其中的所有轮廓。后面的参数很简单。其中color：线的颜色（0，0，255）表示红色；（255，0，0）表示蓝色；thickness表明轮廓线的宽度，如果是-1（cv2.FILLED），则为填充模式。
最小外接矩形
x, y, w, h = cv2.boundingRect(i)
x, y 分别是轮廓的左上点坐标，w, h分别是轮廓的宽和高。
我们获取了物体的轮廓可以利用轮廓的特性进行筛选轮廓，例如我的识别目标是一个圆形，那么它的外接矩形一定是个近似正方形的矩形。
所以可以如下述代码进行筛选：
if w - 25 < h < w + 25:
print("轮廓面积：", area)
cv2.rectangle(img, (x, y + h), (x + w, y), (0, 0, 255))
break
获取轮廓的面积
area = cv2.contourArea(i)
area则为轮廓的面积
测试效果
最终代码
对下述代码修改筛选条件达到效果最佳。
# 轮廓提取
import cv2
# 转二进制图像
def ToBinray():
global imgray, binary
# 1、灰度图
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# cv2.imshow('imgray', imgray)
# 2、二进制图像
ret, binary = cv2.threshold(imgray, 70, 255, 0)
# cv2.imshow('binary', binary)
# 提取轮廓
def GetGontours():
contours, _ = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
# 获取轮廓面积
for i in contours:
area = cv2.contourArea(i)
# 筛选轮廓面积
if area < 800 or area > 2000: continue
x, y, w, h = cv2.boundingRect(i)
if w - 25 < h < w + 25:
print("轮廓面积：", area)
cv2.rectangle(img, (x, y + h), (x + w, y), (0, 0, 255))
break
# 打开摄像头
cap = cv2.VideoCapture(0)
# 检查摄像头是否成功打开
if not cap.isOpened():
print("Error: Could not open camera.")
exit()
while True:
# 读取视频帧
ret, img = cap.read()
# 检查是否成功读取帧
if not ret:
print("Error: Could not read frame.")
break
ToBinray()
GetGontours()
# 显示当前帧
cv2.imshow('Camera', img)
# 按下Esc键退出循环
if cv2.waitKey(1) == 27:
break
# 释放摄像头并关闭窗口
cap.release()
cv2.destroyAllWindows()