目标物体的边缘对图像识别和计算机分析十分有用。边缘可以勾画出目标物体，使观察者一目了然；边缘蕴含了丰富的内在信息（如方向、形状等），是图像识别中抽取图像特征的重要属性。
01
引言
轮廓提取是边界分割中非常重要的一种处理，同时也是图像处理的经典难题，轮廓提取和轮廓跟踪的目的都是获得图像的外部轮廓特征。
二值图像的轮廓提取的原理非常简单，就是掏空内部点：如果原图中有一点为黑，且它的8个相邻点皆为黑色，则将该点删除。对于非二值图像，需要先进行二值化处理。
02
原理
轮廓提取的方法有很多，在这里我们介绍一种最基本、最简单容易实现的算法。算法原理如下：
在进行轮廓提取时，使用一个一维数组，用来记录处理的像素点的周围8邻域的信息
若8个邻域的像素点的灰度值和中心点的灰度值相同，则认为该点在物体的内部，可以删除；
否则，认为该点在图像的边缘，需要保留。
依次处理图像中每一个像素，则最后留下来的就是图像的轮廓。
03
实现
1. 读入彩色图像
img_name = "./20210808/sample3.png"img = cv2.imread(img_name)
结果如下：
2. 彩色图像灰度化
gray_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)结果如下：
3. 图像二值化
def get_binary_img(img):# gray img to bin imagebin_img = np.zeros(shape=(img.shape), dtype=np.uint8)h = img.shape[0]w = img.shape[1]for i in range(h):for j in range(w):bin_img[i][j] = 255 if img[i][j] > 127 else 0return bin_img# 调用bin_img = get_binary_img(gray_img)
结果如下：
4. 提取轮廓
参考上述原理，进行实现，代码如下
def get_contour(bin_img):# get contourcontour_img = np.zeros(shape=(bin_img.shape),dtype=np.uint8)contour_img += 255h = bin_img.shape[0]w = bin_img.shape[1]for i in range(1,h-1):for j in range(1,w-1):==0):= 0sum = 0sum += bin_img[i - 1][j + 1]sum += bin_img[i][j + 1]sum += bin_img[i + 1][j + 1]sum += bin_img[i - 1][j]sum += bin_img[i + 1][j]sum += bin_img[i - 1][j - 1]sum += bin_img[i][j - 1]sum += bin_img[i + 1][j - 1]if sum == 0:= 255return contour_img# 调用= get_contour(bin_img)
结果如下：
04
总结
本文用Python对图像处理中的轮廓提取方法进行了分析与代码实现，并给出了完整的处理步骤，你学废了吗？
