python-opencv轮廓检测（外轮廓检测和全部轮廓检测，计算轮廓面积和周长）

通过cv2.findContours，我们可以进行轮廓检测，当然也有很多检测模式，我们可以通过选择检测模式，进行外轮廓检测，或者全部轮廓检测等等，可以实现不同的需求。
另外opencv也封装了计算轮廓面积和周长的函数，注意，轮廓基本上都是点组成的，也就是说，我们可以通过opencv封装的函数计算一堆点集的周长和面积。

print(cv2.contourArea(cnt))#输出面接
print(cv2.arcLength(cnt,True))#True闭合的周长，输出周长
cnt为轮廓点集，这个函数，以后博主觉得是有很大实用效果的。
代码如下：

from ctypes.wintypes import SIZE
from multiprocessing.pool import IMapUnorderedIterator
import cv2
import copy
import math
import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np
import ospath=r'D:\learn\photo\cv\contours.png'img=cv2.imread(path,1)img_gray=cv2.imread(path,0)def cv_show(name,img):cv2.imshow(name,img)#cv2.waitKey(0),接收0，表示窗口暂停cv2.waitKey(0)#销毁所有窗口cv2.destroyAllWindows()#cv_show('img_gray',img_gray)#进行二值化处理
ret,binary=cv2.threshold(img_gray,127,255,cv2.THRESH_BINARY)#cv_show('dist',dist)def BGR_TO_RGB(img):return img[:,:, ::-1]
#检测轮廓#取值一：CV_RETR_EXTERNAL只检测最外围轮廓，包含在外围轮廓内的内围轮廓被忽略#           取值二：CV_RETR_LIST   检测所有的轮廓，包括内围、外围轮廓，但是检测到的轮廓不建立等级关#                  系，彼此之间独立，没有等级关系，这就意味着这个检索模式下不存在父轮廓或内嵌轮廓，#                  所以hierarchy向量内所有元素的第3、第4个分量都会被置为-1，具体下文会讲到#           取值三：CV_RETR_CCOMP  检测所有的轮廓，但所有轮廓只建立两个等级关系，外围为顶层，若外围#                  内的内围轮廓还包含了其他的轮廓信息，则内围内的所有轮廓均归属于顶层#           取值四：CV_RETR_TREE， 检测所有轮廓，所有轮廓建立一个等级树结构。外层轮廓包含内层轮廓，内#                   层轮廓还可以继续包含内嵌轮廓。#countourClose 轮廓坐标信息
#hierrachyclose 轮廓之间的层次结构countourClose,hierrachyclose=cv2.findContours(binary,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)result2=cv2.drawContours(img.copy(),countourClose,-1,(0,0,255),2)#CV_RETR_CCOMP  检测所有的轮廓，但所有轮廓只建立两个等级关系，外围为顶层，若外围#                  内的内围轮廓还包含了其他的轮廓信息，则内围内的所有轮廓均归属于顶层countourClose,hierrachyclose=cv2.findContours(binary,cv2.RETR_CCOMP,cv2.CHAIN_APPROX_SIMPLE)result3=cv2.drawContours(img.copy(),countourClose,-1,(0,0,255),2)countourClose,hierrachyclose=cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)result=cv2.drawContours(img.copy(),countourClose,-1,(0,0,255),2)print("len(countourclose) is",len(countourClose))#plt.figure(figsize=(400,600))print(img_gray.shape)
print(img_gray[0][0])
plt.subplot(221)
#img_gray=BGR_TO_RGB(img_gray,'gray')
plt.imshow(img_gray,'gray')
plt.title('img_gray')plt.subplot(222)plt.imshow(result,'gray')plt.title('RETR_TREE')plt.subplot(223)plt.imshow(result2,'gray')plt.title('RETR_EXTERNAL')
plt.subplot(224)plt.imshow(result3,'gray')plt.title('RETR_CCOMP')
plt.show()#输出面接和周长for  i in range(len(countourClose)):cnt=countourClose[i]print(cv2.contourArea(cnt))#输出面接print(cv2.arcLength(cnt,True))#True闭合的周长，输出周长os.system("pause")