python学opencv|读取图像（六十七）使用cv2.convexHull()函数实现图像轮廓凸包标注

【1】引言

前序学习进程中，已经初步探索了对图像轮廓的矩形标注和圆形标注：

python学opencv|读取图像（六十五）使用cv2.boundingRect()函数实现图像轮廓矩形标注-CSDN博客

但实际上，这两种标注方法都是大致的，不够精细，且在图像颜色稍微复杂的时候，就因为轮廓层数太多就无法画出合适的矩形或者圆形。

本次学习的目的，就是尽可能沿着图像的轮廓来画这个标注的包络线，也就是调用cv2.convexHull()函数进行凸包标注。

凸包标注画的标注线彼此之间都是钝角，相比于矩形或者圆形标注，对图像的包络更近了一些。

【2】官网教程

点击下方链接，直达cv2.convexHull()函数的官网教程：

OpenCV: Structural Analysis and Shape Descriptors

官网页面对 cv2.convexHull()函数的说明为：

图1 官网页面对 cv2.convexHull()函数的说明

具体的，官网页面对 cv2.convexHull()函数的参数说明为：

cv.convexHull     (

        InputArray     points,            #输入点阵数据
        OutputArray     hull,           #输出凸包数据
        bool     clockwise = false,    #如果为True，按照顺时针画凸包，为False则逆时针画凸包，可选参数
        bool     returnPoints = true ) #返回值类型，为True时返回坐标值，可选参数

【3】代码测试

和之前一样，cv2.convexHull()函数要想用凸包作为标签标注图形的轮廓，需要提前知晓图像的轮廓位置，所以依然要调用 cv2.findContours()函数来找到轮廓。

cv2.boundingRect()函数和cv2.findContours()函数有一个共同点，就是必须要对灰度图像才有效，所以必须提前调用cv2.cvtColor()函数转换灰度图，而为了更进一步突出灰度图，有时候需要调用cv2.threshold()函数进行阈值处理。

如果对上述函数不熟悉，可以通过下述链接回忆：

python学opencv|读取图像（六十四）使用cv2.findContours()函数+cv2.drawContours()函数实现图像轮廓识别和标注-CSDN博客

python学opencv|读取图像（十一）彩色图像转灰度图的两种办法_识别图像输出灰度图-CSDN博客

按照上述分析的逻辑，代码设置为：引入必要模块和图像，图像灰度处理，图像阈值处理，给灰度图像找边界轮廓，然后是绘制凸包标注。

此处直接给出完整代码：

import cv2 as cv # 引入CV模块
import numpy as np #引入numpy模块

# 读取图片
src = cv.imread('df.png') #读取图像srcx.png
gray=cv.cvtColor(src,cv.COLOR_BGR2GRAY) #将图像转化为灰度图

#图像处理
t,dst=cv.threshold(gray,127,255,cv.THRESH_BINARY) #阈值处理
con,hierarchy=cv.findContours(dst,cv.RETR_LIST,cv.CHAIN_APPROX_SIMPLE) #读取边界
x=cv.convexHull(con[0]) #获取轮廓的凸包
cv.polylines(src,[x],True,(0,100,255),12)
#cv.imshow('ini-image ', dst) #显示原始图像
cv.imshow('ini-image-con', src) #显示带轮廓线图像
#cv.imshow('ini-image-gon', gray) #显示带轮廓线图像
cv.imwrite('ini-image-tb.png', src)
cv.waitKey()  # 图像不关闭
cv.destroyAllWindows()  # 释放所有窗口

代码运行的相关图像有：