影像輪廓（Contours）是一種用於檢測與分析物體邊界的技術，常見於物體追蹤、形狀分析、物體計數等場景。透過輪廓分析，可以精確取得物件外型、大小與位置，為後續辨識與分類奠定基礎。

🔹 什麼是輪廓 (Contours)？

• 輪廓是影像中物件邊界的曲線集合。
• 在進行輪廓偵測前，通常需將影像二值化（Binary）或進行邊緣檢測，以強化物體邊界。
• 輪廓偵測對物件辨識、形狀分析、尺寸量測等任務非常有幫助。

🖼 測試圖片準備

請準備一張二值化圖片 image.png，並放在與程式同一資料夾。

import cv2

img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)
# 進行二值化處理
_, binary = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
cv2.imshow('Binary', binary)

# 讀取二值化影像
img_gray = binary

# 將灰階或二值影像轉為彩色 BGR，方便繪製彩色輪廓
img_color = cv2.cvtColor(img_gray, cv2.COLOR_GRAY2BGR)

# 將以下程式碼放在所有顯示語句的最後面
cv2.waitKey()
cv2.destroyAllWindows()

🔹 1. 查找輪廓 (cv2.findContours)

# 查找輪廓
contours, hierarchy = cv2.findContours(img_gray, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 在彩色影像上繪製輪廓
cv2.drawContours(img_color, contours, -1, (0, 0, 255), 2)  # 紅色輪廓

cv2.imshow('Contours', img_color)

📌 參數說明

• cv2.findContours(image, mode, method)

  • image：輸入二值化影像。
  • mode：輪廓檢索方式，如 cv2.RETR_EXTERNAL（僅最外層）或 cv2.RETR_TREE（含層級結構）。
  • method：輪廓近似方法，如 cv2.CHAIN_APPROX_SIMPLE（壓縮冗餘點）或 cv2.CHAIN_APPROX_NONE（保留所有點）。

• cv2.drawContours(image, contours, contourIdx, color, thickness)

  • contourIdx=-1：繪製所有輪廓。
  • color：BGR 顏色。
  • thickness：線寬，-1 代表填滿。

效果：紅色線條標示物件輪廓，邊界清晰可見。

🔹 2. 輪廓面積與周長

# 計算每個輪廓的面積與周長
for i, cnt in enumerate(contours):
  area = cv2.contourArea(cnt)
  perimeter = cv2.arcLength(cnt, True)
  print(f'輪廓{i}: 面積={area}, 周長={perimeter}')

🔹 3. 形狀近似 (ApproxPolyDP)

# 形狀近似：將輪廓簡化為多邊形
for i, cnt in enumerate(contours):
  epsilon = 0.02 * cv2.arcLength(cnt, True)
  approx = cv2.approxPolyDP(cnt, epsilon, True)
  cv2.drawContours(img_color, [approx], -1, (0, 255, 0), 2)  # 綠色近似輪廓

cv2.imshow('Approximated Contours', img_color)

效果：

🔹 4. 外接矩形與圓形

# 外接矩形與圓形：分析物件外型
for cnt in contours:
  x, y, w, h = cv2.boundingRect(cnt)
  cv2.rectangle(img_color, (x, y), (x + w, y + h), (255, 0, 0), 2)  # 藍色矩形
  (cx, cy), radius = cv2.minEnclosingCircle(cnt)
  cv2.circle(img_color, (int(cx), int(cy)), int(radius), (0, 255, 255), 2)  # 黃色圓形

cv2.imshow('Bounding Rect & Circle', img_color)

效果：

📊 方法比較

比較：面積與周長可用於物件篩選與分類，形狀近似便於辨識多邊形物件，外接矩形與圓形則有助於定位與形狀特徵分析。

📖 今日結語

透過彩色輪廓繪製，我們能清楚觀察二值化影像的物件邊界，並進一步進行面積、周長、形狀近似、外接矩形與圓形等分析。這些技術是影像分析與物體辨識的重要基礎，能協助精確分割、分類與量測物件。