pythonopencv图像轮廓

### 使用Python OpenCV实现图像轮廓检测

为了使用 Python 和 OpenCV 实现图像轮廓检测，需遵循一系列处理步骤来准备和分析图像数据。

#### 准备工作
首先导入必要的库并加载待处理的图像：

import cv2
import numpy as np

img = cv2.imread('shapes.png')

接着将彩色图像转换成灰度图以便后续操作更简单高效[^1]：

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#### 边缘检测与二值化
应用边缘检测算法（如Canny）以及阈值处理使图像变为黑白两色，突出显示物体边界：

edges = cv2.Canny(gray, 50, 150)
_, thresh = cv2.threshold(edges, 127, 255, 0)

#### 轮廓查找
利用 `findContours` 方法获取图像内的所有封闭曲线即轮廓，并可选择只保留外部轮廓以简化结果集。这里采用 RETR_EXTERNAL 参数仅提取最外层轮廓[^3]：

contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

对于每一个找到的轮廓，还可以进一步计算其几何特性比如面积大小用于筛选感兴趣的对象：

for contour in contours[:5]:  # 只取前五个轮廓作为例子展示
    area = cv2.contourArea(contour)
    print(f'Contour Area: {area}')
    
    if area > 100:  # 假设设定最小面积过滤条件为100像素平方
        (x,y),radius = cv2.minEnclosingCircle(contour)  # 计算最小包围圆[^2]
        center = (int(x), int(y))
        radius = int(radius)
        img_with_circle = cv2.circle(img.copy(), center, radius, (0, 255, 0), 2)

cv2.imshow('Detected Shapes', img_with_circle)
cv2.waitKey(0)
cv2.destroyAllWindows()

上述代码片段展示了如何读入图片、转化为灰度模式、执行边缘增强及二值分割、定位目标物轮廓并通过绘制圆形标注出来。最终通过窗口显示带有标记的结果图像给用户查看[^4]。