Python OpenCV 影像處理：影像輪廓

上篇介紹使用OpenCV Python對於圖像上的二值化操作，二值化主要用途包括圖像分割、物體偵測、文字識別等。這種轉換可以幫助檢測圖像中的物體或特定特徵，並提取有用的信息，本篇基於二值化操作進行近一步的操作，透過影像梯度區分影像前景、後景，框選所需目標物件。透過程式碼的說明，讓各位了解OpenCV Python於圖像處理上的基本操作。

►輪廓(Contour)定義

輪廓是由多個點組成的連續曲線或多邊形，這些點會包圍物體或形狀的邊界。輪廓描述了物體在影像中的外形和輪廓的形狀。這些輪廓提供了對物體形狀和結構的描述，可以識別和理解影像中的物體。

►輪廓檢測與繪製

OpenCV提供findContours()函數用於在二值化影像中尋找輪廓。

1. image： 輸入的二值化圖像，通常是經過灰度轉換和二值化處理後的圖像。
2. mode： 輪廓檢測模式。它指定輪廓的檢索模式，可以使用以下值之一：
   • RETR_EXTERNAL：只檢測最外層的輪廓。
   • RETR_LIST：檢測所有的輪廓，但不建構輪廓的層次結構。
   • RETR_CCOMP：檢測所有的輪廓，並將其組織為兩級層次結構。
   • RETR_TREE：檢測所有的輪廓，並將其組織為完整的層次結構。
3. method： 輪廓的逼近方法。它指定輪廓的逼近方法，可以使用以下值之一：
   • CHAIN_APPROX_NONE：儲存所有的輪廓點，不進行逼近。
   • CHAIN_APPROX_SIMPLE：僅儲存水平、垂直和對角線端點，壓縮水平、垂直和對角線節點，只保留該方向上的終點。
4. contours（可選）： 輪廓的輸出列表，每個輪廓是一個由點構成的 numpy 數組。
5. hierarchy（可選）： 輸出的層次結構，描述了輪廓之間的嵌套關係。
6. offset（可選）： 輸入圖像的可選偏移參數。

並透過drawContours()函數將輪廓疊加於原始圖像上。

1. image： 用於繪製輪廓的圖像。
2. contours： 要繪製的輪廓，是一個包含輪廓的列表，每個輪廓是一個由點構成的 numpy 數組。
3. contourIdx： 指定要繪製的輪廓的索引。如果為負值（例如 -1），則繪製所有輪廓。
4. color： 繪製輪廓的顏色。它是一個包含三個整數的元組，分別表示藍色、綠色和紅色通道的值。
5. thickness（可選）： 繪製輪廓的線條寬度。如果 thickness 為正值，表示線條的粗細；如果 thickness 為負值或者等於 0，則輪廓內部被填充。
6. lineType（可選）： 繪製輪廓的線條類型。預設為 LINE_8，表示 8 連通線條。你也可以使用 cv2.LINE_AA 以獲得抗鋸齒效果。
7. hierarchy（可選）： 描述輪廓層次結構的 numpy 數組。在 findContours 中獲取，通常不需要手動指定。
8. maxLevel（可選）： 繪製輪廓的最大層級。如果不指定，則繪製所有層級的輪廓。
9. offset（可選）： 輸入圖像的可選偏移參數。

在輪廓檢測與繪製分為以下四個步驟:

• 讀取圖像並轉為灰度圖
• 灰度圖像二值化
• 檢測輪廓
• 繪製輪廓

►輪廓周長與面積計算

在 OpenCV 中，可以使用 cv2.arcLength 函數來計算輪廓的周長，使用 cv2.contourArea 函數來計算輪廓的面積。

• contour：要計算周長的輪廓。
• closed：一個布爾值，表示輪廓是否是封閉的。如果是封閉的，則 closed 設為 True；如果不是封閉的，則設為 False。

• contour：要計算面積的輪廓。 

 問題一：圖像不是二值化的，如何進行輪廓檢測？
 
在進行輪廓檢測之前，必須將圖像轉換為二值化形式。可以使用灰度轉換和閾值處理來實現。確保你的圖像經過適當的預處理。

問題二：找不到預期的輪廓，檢測效果不好。

調整二值化的閾值或使用自適應閾值處理。有時候，圖像的光線和對比度變化可能導致檢測效果不佳，可以先進行適當的圖像增強。

問題三：圖像中有噪音或小的斑點，影響輪廓檢測。

在進行輪廓檢測之前，進行圖像平滑處理，例如使用高斯濾波器或中值濾波器，以減少噪音的影響。
 

問題四：輪廓太多或太少，難以準確識別目標。

調整二值化的閾值，以控制檢測到的輪廓數量。另外，可以使用形態學運算進行輪廓的調整和修復。

問題五：輪廓檢測後如何進一步處理找到的輪廓？

根據應用需求，可以使用輪廓的特性進行進一步的篩選、過濾或分析。例如，可以根據輪廓的面積、長寬比等進行篩選，以排除不需要的輪廓。