使用OpenCV查找轮廓中的极值点

在这篇文章的剩下部分，我将演示如何沿着轮廓的坐标去寻找最北、南、东、西的点，像在这篇博客顶部的形象。 虽然这个功能本身不太有用，但是它经常作为其它高级的计算机视觉应用的预处理环节。一个很好的的应用就是手势识别：

图1：计算沿手掌轮廓的极坐标 在上图中，我们有图片的皮肤/手掌的分段，计算手掌轮廓的凸包线（蓝色的外框线），然后沿着凸包线（红圈）寻找极点。 通过计算手部极点，我们可以更好地接近手掌区域（蓝色的高亮圈）：

图2：沿着手使用极值点可以使我们近似手掌的中心。

这反过来又使我们认识到手势，比如我们举起手指的数量： 图3：使用OpenCV沿轮廓寻找极值点是手势识别的总要过程

实现这样一个手势识别系统是这篇博客的内容，所以我们需要使用下面这张图片：

图4：我们的示例图片包括一个手。我们将计算沿手部轮廓的北、南、东和西极值点坐标。

现在我们的目标是计算这张图片中沿手部轮廓的极值点。 让我们开始吧，打开一个新文件，名字是 extreme_points.py,并且编写代码：

行2和行3导入我们需要的包，然后我们从磁盘导入我们示例图像，转换它为灰度图像，并且模糊处理。

行12 执行阀值化，让我我们可以将手部区域与其它部分分割开，阀值化之后，我们的二值图像看起来是这样的：

图5：经过阀值化处理之后的图像，手的外轮廓现在显现出来。

为了检测手的轮廓，我们调用 cv2.findContours函数，然后排序轮廓，找到其中最大的一个，我们假定这个就是手（行18-21）

在我们沿着轮廓找到极值点之前，必须理解一个轮廓就是一个简单的NumPy坐标数组。因此，我们可以利用Numpy函数，帮我们找到极点坐标。

例如，在24行，使用方法argmin()在整个轮廓数组c中找到最小x坐标(即，“西”值）。

同样，在25行，使用argmin()函数在整个轮廓数组中找到最大x坐标（即，“东”值）。

在26和27行中通过同样的操作，仅仅是变为y坐标，让我们获取了“北”值和“南”值的坐标。

现在我们有了极值北，南，东和西的坐标，我们可以把它们画在image对象中。

西：红色 东：绿色 北：蓝色 南：兰绿色

最后，39行和40行在我们的屏幕显示结果

执行这个脚本，确定通过这个位置下载代码和图片（使用在本教程下方找到的“下载”链接），导航到你的代码目录，然后执行下面的命令：

你将看到下面这个输出的图像： 图6：通过OpenCV和Python检查轮廓中的极值点

正如你所看到的，我们沿着手部成功的标识出所有的极值点。西极值点用红色标识，北极值点用蓝色标识，东极值点用绿色标识，最后的南极值点用兰绿色标识。

下面我们将看到第二个沿手部标识极值点的示例

图7：使用OpenCV和Python沿手部轮廓标识极值点

让我们查看最后一个例子：

图8：我们再次精确计算出沿轮廓的极值点

而这一切就是这么简单！

只需记住，轮廓列表中通过cv2.findContoures方法返回的只是一个Numpy的（x，y）坐标数组。对这个数组调用argmin()和argmax()方法，我们可以提取极值坐标。

概要 在这片博客文章中，我详细的说明了如何沿着一个给定的轮廓寻找北，南，东和西极值点坐标，这个方法对于原始轮廓和转换后的边框都可以使用。