HOWTO · OpenCV
OpenCV 形狀檢測
本文介紹如何使用 OpenCV 的 findContours() 和 approxPolyDP() 函式檢測影象中存在的形狀。
本頁內容
本教學將示範如何使用 OpenCV 準備影像、找出外部輪廓、將各輪廓近似為多邊形，並以頂點數作為簡單的形狀分類啟發式。
準備用於形狀偵測的二值影像
findContours() 會以二值遮罩為輸入。在以下流程中，前景形狀為白色（255），背景為黑色（0）。使用 cvtColor() 將 BGR 影像轉為灰階，再以 threshold() 搭配 Otsu 方法，從影像中自動選出閾值。如果前景比淺色背景暗，請反轉產生的遮罩，或使用反向閾值，讓物件呈現白色。
載入輸入檔案時，可使用 cv2.imread("shape-detection.webp")，並在處理前確認回傳的影像不是 None。接著將 BGR 影像轉為灰階，再用 cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) 建立二值遮罩。遮罩應以黑色背景呈現白色前景物件；若影像的明暗極性相反，請改用反向閾值。
使用 findContours() 和 approxPolyDP() 偵測並分類形狀
呼叫 findContours() 並指定 RETR_EXTERNAL，即可取得每個白色物件的外部輪廓；接著使用 approxPolyDP() 近似輪廓，再計算所得頂點數。三個頂點可作為三角形的線索，四個表示四邊形，五個表示五邊形。這些都只是啟發式判斷：四個頂點無法證明形狀是正方形。頂點數大於 12 時，可將輪廓標記為近似圓形；這個門檻會受到近似容差、影像解析度及輪廓品質影響。
簡短範例以幾個代表性的頂點數，展示各種分類標籤。下方的完整影像範例會從腳本所在目錄載入提供的 shape-detection.webp，即使你從其他工作目錄啟動腳本也能如此載入，並將標註後的 PNG 儲存至目前工作目錄。若要執行影像處理流程，請安裝 OpenCV（opencv-python）和 NumPy。提供的執行證據僅涵蓋標籤範例，並未證明 OpenCV 影像處理流程已執行。簡短範例中的分類標籤仍以英文顯示，因程式碼與輸出區塊須與英文原文逐位元組一致；請依照本文說明理解這些標籤。
def label_for_vertex_count(count):
if count == 3:
return "triangle"
if count == 4:
return "quadrilateral"
if count == 5:
return "pentagon"
if count > 12:
return "circle-like"
return "polygon"
approximated_vertex_counts = [3, 4, 5, 16]
for count in approximated_vertex_counts:
print(f"{label_for_vertex_count(count)}: {count} vertices")
triangle: 3 vertices
quadrilateral: 4 vertices
pentagon: 5 vertices
circle-like: 16 vertices
簡短的程式碼片段單獨展示了分類規則。下面的完整腳本將同樣的規則應用於所提供的影像：檢查影像載入、將 BGR 像素轉換為灰階圖，並建立 Otsu 二值遮罩。遮罩假設明亮的前景物件位於較暗的背景上；當前前景較暗、背景較亮時，請使用 cv2.THRESH_BINARY_INV。所提供的影像包含多個面板，因此外部輪廓除了形狀本身，也會包含面板邊界。標籤仍然只是啟發式判斷：4 個頂點表示四邊形，而不一定是正方形；輪廓順序和頂點數量取決於影像品質和近似容差。
from pathlib import Path
def label_for_vertex_count(count):
if count == 3:
return "triangle"
if count == 4:
return "quadrilateral"
if count == 5:
return "pentagon"
if count > 12:
return "circle-like"
return "polygon"
def main():
try:
import cv2
except ImportError:
print("OpenCV is required; install it with python -m pip install opencv-python.")
raise SystemExit(1)
image_path = Path(__file__).resolve().with_name("shape-detection.webp")
image = cv2.imread(str(image_path))
if image is None:
print(f"Could not load image: {image_path}")
raise SystemExit(1)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
_, mask = cv2.threshold(
gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU
)
result = cv2.findContours(
mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE
)
contours = result[0] if len(result) == 2 else result[1]
draw = True
annotated = image.copy()
for contour in contours:
perimeter = cv2.arcLength(contour, True)
approximation = cv2.approxPolyDP(
contour, 0.01 * perimeter, True
)
label = label_for_vertex_count(len(approximation))
print(f"{label}: {len(approximation)} vertices")
if draw:
cv2.drawContours(
annotated, [approximation], -1, (0, 0, 255), 2
)
if draw:
output_path = Path.cwd() / "shape-detection-annotated.png"
if cv2.imwrite(str(output_path), annotated):
print(f"Saved annotated image: {output_path}")
else:
print(f"Could not save annotated image: {output_path}")
raise SystemExit(1)
if __name__ == "__main__":
main()
這些影像處理程式碼供讀者參考和改編；提供的執行時期輸出是來自上面的獨立標籤範例，並不代表這些程式碼已執行。
OpenCV 的顏色元組採用 BGR 順序，因此 (0, 0, 255) 會繪製紅色。厚度設為 2 會繪製輪廓線；負數厚度則會填滿輪廓。
使用 drawContours() 繪製偵測到的形狀
在完整腳本中，draw = True 會以紅色繪製每條近似輪廓，並將 shape-detection-annotated.png 儲存到目前工作目錄；cv2.imwrite() 會報告儲存是否成功。設定 draw = False 可同時略過繪製和儲存。腳本不會開啟 GUI，因此可以在無頭環境中執行。下圖仍僅作視覺參考。
了解 OpenCV 輪廓函式的引數
findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) 依序接收二值遮罩、輪廓檢索模式及輪廓近似方法。RETR_EXTERNAL 只會回傳外部邊界；如果任務不需要處理內部孔洞，這種模式就很實用。CHAIN_APPROX_SIMPLE 會壓縮輪廓點中連續的直線段，同時保留邊界形狀。不同 OpenCV 版本的 findContours() 回傳值數量可能不同；若程式需支援兩種格式，可用 result[0] if len(result) == 2 else result[1] 選取輪廓。
approxPolyDP(contour, epsilon, closed) 接收輪廓、近似距離上限，以及表示曲線是否閉合的布林值。epsilon 常見的設定方式是 0.01 * cv2.arcLength(contour, True)；一般而言，調高這個比例會減少頂點，調低則會讓近似結果更貼合輪廓。此函式使用 Douglas–Peucker 演算法，因此頂點數同時取決於這個容差與影像本身。
drawContours(image, contours, contour_index, color, thickness) 會直接修改影像；contours 提供邊界，contour_index 指定要繪製的單一輪廓（或用 -1 繪製全部輪廓），而 color 是 BGR 元組。thickness 為負數時會填滿所選輪廓。
