cv2.drawContours参数及其意义

cv2.drawContours是OpenCV中的一个函数，用于在图像上绘制轮廓。它具有以下参数：

- image：需要绘制轮廓的图像

- contours：要绘制的轮廓列表，每个轮廓都是一系列点的列表

- contourIdx：指定要绘制的轮廓的索引，如果为负数，则绘制所有轮廓

- color：轮廓的颜色

- thickness：轮廓的线条宽度

- lineType：线条类型，可选参数包括cv2.LINE_4（4邻域连接线条）和cv2.LINE_8（8邻域连接线条）

- hierarchy：轮廓的层次结构，用于指示轮廓之间的父子关系

相关问题

cv2.findContours()的参数、返回值、用法

`cv2.findContours()` 是 OpenCV 的一个函数，它用于在图像中查找轮廓。该函数需要两个主要参数：输入图像和需要搜索轮廓的层次结构。此外，还可以使用其他参数来调整搜索过程。

函数的参数如下：

1. image：输入的图像，应该是一个二值图像，轮廓在该图像中可见。
2. hierarchy：一个层次结构对象，用于存储找到的轮廓及其之间的关系。如果未提供层次结构，则函数将创建一个新的空对象。
3. mode：搜索模式，可以是 `cv2.RETR_EXTERNAL`（只搜索最外层的轮廓）或 `cv2.RETR_LIST`（搜索所有层次的轮廓）。
4. method：轮廓搜索方法，可以是 `cv2.CHAIN_APPROX_SIMPLE`（每个轮廓由一串简单的链码表示）或 `cv2.CHAIN_APPROX_NONE`（每个轮廓由原始点云表示）。

返回值是一个轮廓列表，表示在输入图像中查找的所有轮廓。

以下是一个使用 `cv2.findContours()` 的基本示例：

import cv2
import numpy as np

# 加载图像
image = cv2.imread('image.jpg')

# 将图像转换为灰度图像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 使用Canny边缘检测算法找到边缘
edges = cv2.Canny(gray, 50, 150)

# 创建二值图像，将边缘与背景区分开
_, binary = cv2.threshold(edges, 50, 255, cv2.THRESH_BINARY)

# 在二值图像中查找轮廓
contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 在原始图像上绘制找到的轮廓
cv2.drawContours(image, contours, -1, (0, 255, 0), 3)

# 显示图像
cv2.imshow('Image with contours', image)
cv2.waitKey(0)

这段代码首先加载一个图像并将其转换为灰度图像。然后，它使用Canny边缘检测算法找到边缘，并将边缘与背景区分开，以创建二值图像。在二值图像中，使用 `cv2.findContours()` 查找轮廓，并在原始图像上绘制这些轮廓。最后，显示包含轮廓的图像。

AttributeError:module 'cv2' has no attribute 'SNAKE_ELASTIC_NET'

抱歉，上面的代码在 OpenCV 3.4.2 版本及以下中是可行的，但在更高版本的 OpenCV 中可能会出现 'cv2' 没有属性 'SNAKE_ELASTIC_NET' 的错误。

为了解决这个问题，你可以使用 cv2.snake_image() 函数替换 cv2.cv.SnakeImage() 函数，并将模式参数 'SNAKE_ELASTIC_NET' 替换为 0。同时，你还需要将轮廓控制点的类型从 contours[0] 更改为 contours[0][:, 0, :]。

下面是修改后的代码示例：

import cv2

# 读取图像
img = cv2.imread('lena.jpg')

# 灰度化
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 边缘检测
edges = cv2.Canny(gray, 50, 150)

# 寻找轮廓
contours, hierarchy = cv2.findContours(edges, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 获取轮廓控制点
points = contours[0][:, 0, :]

# 设置参数
alpha = 0.1
beta = 0.1
gamma = 0.1
kappa = 2.0
iterations = 200
mode = 0
p = cv2.TERM_CRITERIA_ITER | cv2.TERM_CRITERIA_EPS
criteria = (p, iterations, 0.1)

# 进行轮廓优化
cv2.snake_image(points, alpha, beta, gamma, kappa, mode, criteria, 0)

# 画出轮廓线
cv2.drawContours(img, [points], -1, (0, 0, 255), 2)

# 显示结果
cv2.imshow('image', img)
cv2.waitKey(0)

这个例子和之前的例子非常相似，主要区别在于使用 cv2.snake_image() 函数替换 cv2.cv.SnakeImage() 函数，并将模式参数 'SNAKE_ELASTIC_NET' 替换为 0。同时，我们将轮廓控制点的类型从 contours[0] 更改为 contours[0][:, 0, :]。