OpenCVで輪郭抽出・検出する方法【Python】

この記事で、OpenCVで輪郭抽出・検出する方法を解説しています。
便利な関数がOpenCVには用意されています。

本記事の内容

OpenCVで輪郭抽出する環境
【輪郭検出関数】findContours
画像をグレースケール化する
findContoursで輪郭抽出を行う
【結論】findContoursに過剰に期待するのはやめておきましょう

それでは、上記に沿って解説していきます。

OpenCVで輪郭抽出する環境

OpenCVは、いろいろな環境で動きます。
いわゆるクロスプラットフォームというモノですね。

対応OS

Windows
Linux
FreeBSD
macOS
Android
iOS

対応言語

C/C++
Java
Python

この記事では、Windows上のPythonで検証を行います。
OenCVのインストールに関しては、次の記事をご覧ください。

準備が整ったら、実際にOpenCVで輪郭検出を行っていきましょう。

【輪郭検出関数】findContours

冒頭で述べたように、OpenCVには便利な関数が用意されています。

findContours

contours, hierarchy = cv2.findContours(image, mode, method[, contours[, hierarchy[, offset]]])

引数

image	8ビット，シングルチャンネル（グレースケール）
mode	輪郭検索モード
method	輪郭近似法
offset	すべての輪郭点をシフトさせるオフセット

戻り値

contours	検出された輪郭の座標（配列）
hierarchy	検出された輪郭毎の階層構造情報（配列）

正直、説明を見てもよくわからないと思います。
実際に使っているところを確認しましょう。

ただ、imageのグレースケールには注意ですね。
用意する画像は、グレースケールで読み込んでおく必要があります。

輪郭抽出の前に、画像をグレースケール化することをプログラムで確認しておきましょう。

画像をグレースケール化する

対象画像は、わかりやすいモノとして以下を用意。

test.png

この画像をグレースケール化します。
そのためのプログラムコードは以下。

import cv2

# 画像読み込み
img = cv2.imread("./img/test.png")

# グレースケール化
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 画像保存
cv2.imwrite("./img/test_gray.png", img_gray)

imgフォルダにあるtest.pngを読み込みます。
読み込んだ画像をグレースケール化。
そして、グレースケール化した画像をファイルに保存。

このプログラムを実行すると、次の画像が作成できました。

test_gray.png

見事にグレースケール化されています。
グレースケール化に関しても理解できたので、輪郭抽出を検証します。

findContoursで輪郭抽出を行う

最初に、輪郭抽出した画像を表示します。

test_contours.png

上手く輪郭抽出できていますね。
ただし、ここまでやるのに苦労しました。
苦労したコードは、以下。

import cv2

# 画像読み込み
img = cv2.imread("./img/test.png")

# グレースケール化
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
img_gray = cv2.GaussianBlur(img_gray, (7, 7), 0)
img_gray= cv2.medianBlur(img_gray, 1)   

# 輪郭を抽出する
ret,thresh = cv2.threshold(img_gray, 230, 255,0)  
contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

# 読み込んだ画像に輪郭を描画
img_contours = cv2.drawContours(img, contours, -1, (225, 0 ,225), 3)

# 輪郭を描画した画像をファイルに保存
cv2.imwrite("./img/test_contours.png", img_contours)

見てウンザリしますよね。
メソッドがたくさん出てきます。

各メソッドのパラメータを試行錯誤して調整しました。
それが上記の結果です。

最後に、今回の記事のまとめをしておきます。