python opencv3 矩形 圆形边框

git：https://github.com/linyi0604/Computer-Vision

# coding:utf8

import cv2
import numpy as np
# 读入图像
img = cv2.imread("../data/mm1.jpg", cv2.IMREAD_UNCHANGED)
# 转化为分别率更低的图像
img = cv2.pyrDown(img)

# 二值化，  黑白二值化
ret, thresh = cv2.threshold(
    cv2.cvtColor(img.copy(), cv2.COLOR_BGR2GRAY),  # 转换为灰度图像,
    127, 255,   # 大于127的改为255  否则改为0
    cv2.THRESH_BINARY)  # 黑白二值化
"""
ret, dst = cv2.threshold(src, thresh, value, type)
参数:
    src: 原图像
    thresh: 阈值
    value: 新值 大于或小于阈值的值将赋新值
    type: 方法类型，有如下取值：
        cv2.THRESH_BINARY 黑白二值
        cv2.THRESH_BINARY_INV 黑白二值翻转
        cv2.THRESH_TRUNC 得到多像素值
        cv2.THRESH_TOZERO
        cv2.THRESH_TOZERO_INV
返回值：
    ret: 得到的阈值值
    dst: 阈值化后的图像
"""

# 搜索轮廓
image, contours, hierarchy = cv2.findContours(
    thresh,
    cv2.RETR_EXTERNAL,
    cv2.CHAIN_APPROX_SIMPLE)
"""
cv.findContours()
    参数：
        1 要寻找轮廓的图像 只能传入二值图像，不是灰度图像
        2 轮廓的检索模式，有四种：
            cv2.RETR_EXTERNAL表示只检测外轮廓
            cv2.RETR_LIST检测的轮廓不建立等级关系
            cv2.RETR_CCOMP建立两个等级的轮廓，上面的一层为外边界，
                里面的一层为内孔的边界信息。
                如果内孔内还有一个连通物体，这个物体的边界也在顶层
            cv2.RETR_TREE建立一个等级树结构的轮廓
        3 轮廓的近似办法
            cv2.CHAIN_APPROX_NONE存储所有的轮廓点，
                相邻的两个点的像素位置差不超过1，
                即max（abs（x1-x2），abs（y2-y1））==1
            cv2.CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素，
                只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息
    返回值:
        contours:一个列表，每一项都是一个轮廓， 不会存储轮廓所有的点，只存储能描述轮廓的点
        hierarchy:一个ndarray, 元素数量和轮廓数量一样， 
            每个轮廓contours[i]对应4个hierarchy元素hierarchy[i][0] ~hierarchy[i][3]，
            分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号，如果没有对应项，则该值为负数
        

"""

for c in contours:

    x, y, w, h = cv2.boundingRect(c)
    """
    传入一个轮廓图像，返回 x y 是左上角的点， w和h是矩形边框的宽度和高度
    """
    cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)
    """
    画出矩形
        img 是要画出轮廓的原图
        (x, y) 是左上角点的坐标
        (x+w, y+h) 是右下角的坐标
        0,255,0）是画线对应的rgb颜色
        2 是画出线的宽度
    """

    # 获得最小的矩形轮廓 可能带旋转角度
    rect = cv2.minAreaRect(c)
    # 计算最小区域的坐标
    box = cv2.boxPoints(rect)
    # 坐标规范化为整数
    box = np.int0(box)
    # 画出轮廓
    cv2.drawContours(img, [box], 0, (0, 0, 255), 3)

    # 计算最小封闭圆形的中心和半径
    (x, y), radius = cv2.minEnclosingCircle(c)
    # 转换成整数
    center = (int(x), int(y))
    radius = int(radius)
    # 画出圆形
    img = cv2.circle(img, center, radius, (0, 255, 0), 2)

# 画出轮廓
cv2.drawContours(img, contours, -1, (255, 0, 0), 1)
cv2.imshow("contours", img)
cv2.waitKey()
cv2.destroyAllWindows()