opencv学习笔记（二）寻找轮廓

时间：2022-10-30 06:08:35

opencv学习笔记（二）寻找轮廓

　　opencv中使用findContours函数来查找轮廓，这个函数的原型为：

 void findContours(InputOutputArray image, OutputArrayOfArrays contours, OutputArray hierar-

 chy, int mode, int method, Point offset=Point())

 /*

 参数说明：

 image:输入图像image必须为一个2值单通道图像；

 contours:为检测的轮廓数组，每一个轮廓用一个point类型的vector表示，vector<Point>，则轮廓的集合可表示为vector<vector<Point>>；

 hiararchy:参数和轮廓个数相同，每个轮廓contours[i]对应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，该值设置为负数；

 mode:轮廓的检索模式

 a.CV_RETR_EXTERNAL：表示只检测外轮廓

 b.CV_RETR_LIST：检测的轮廓不建立登记关系

 c.CV_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。

 d.CV_RETR_TREE:建立一个等级树结构的轮廓。

 method:轮廓的近似方法

 a.CV_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

 b.CV_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

 　　c.CV_CHAIN_APPROX_TC89_L1,CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法offset表示代表轮廓点的偏移量，可以设置为任意值。对ROI图像中找出的轮廓，并要在整个图像中进行分析时，这个参数还是很有用的。

 */

　　findContours后会对输入的2值图像改变，所以如果不想改变该2值图像，需创建新mat来存放，findContours后的轮廓信息contours可能过于复杂不平滑，可以用approxPolyDP函数对该多边形曲线做适当近似；contourArea函数可以得到当前轮廓包含区域的大小，方便轮廓的筛选。

　　findContours函数经常与drawcontours配合使用，用来将轮廓绘制出来，函数原型为：

  void drawContours(InputOutputArray image, InputArrayOfArrays contours, int contourIdx, const Scalar& color, int thickness=, int lineType=, InputArray hierarchy=noArray(), int maxLevel=INT_MAX, Point offset=Point() )

 /*

 参数说明：

 image:目标图像

 contours:输入的轮廓组，每一组轮廓由点vector构成

 contourIdx:指明画第几个轮廓，如果该参数为负值，则画全部轮廓

 color:轮廓的颜色

 thickness:轮廓的线宽，如果为负值或CV_FILLED表示填充轮廓内容

 lineType:为线型

 hierarchy:如果你想画出图像的一部分轮廓，那么你就需要它

 maxLevel:用于画轮廓的最大成，如果为0，只是画出指定轮廓，如果为1，画出第一层的所有轮廓，如果为2，画出第一和第二层的所有轮廓，依次类推，这个参数只有在有层次关系的时候被使用

 offset:每个轮廓点的偏移量

 */

　　得到了复杂轮廓往往不适合特征的检测，这里再介绍一个点集凸包络的提取函数convexHull，输入参数就可以是contours组中的一个轮廓，返回外凸包络的点集。

　　还可以得到轮廓的外包络矩形，使用boundingRect，函数原型为：

 Rect boundingRect(InputArray points)

 //　　points：二维点集

 //　　返回：包围轮廓的2D矩形的模板类Rect

 //功能：对指定的点集进行包含，使得形成一个最合适的正向矩形框把当前指定的点集都框住

　　如果想得到旋转的外包络矩形，使用函数minAreaRect 函数原型：

 RotatedRect minAreaRect(InputArray points)

 //points:输入的2维向量点，其类型为：std::vector<> or Mat

 ////函数功能：为一个指定的点集计算并返回的最小边界矩形(可能旋转)
4 //返回值类型：RotatedRect

　　也可以得到轮廓的外包络圆，对应的函数为minEnclosingCircle；想得到轮廓的外包络椭圆，对应的函数为fitEllipse，返回值也是RotatedRect类型，可以用ellipse函数画出对应的椭圆；

　　如果想根据多边形的轮廓信息得到多边形的多阶矩，可以使用类moments；

　　如果想获得一点与多边形封闭轮廓信息，可以调用pointPolygonTest函数，这个函数返回值为该点距离轮廓最近边界的距离，为正值为在轮廓内部，负值为在轮廓外部，0表示在边界上。

Example

 #include "opencv2/highgui/highgui.hpp"

 #include "opencv2/imgproc/imgproc.hpp"

 #include <iostream>

 using namespace cv;

 using namespace std;

 int main()

 {

     const char* inputImage = "rice.jpg";//输入图像名称

     Mat img;

     img = imread(inputImage, );

     //判断图像存在与否

     if (img.empty())

     {

         cout << "Could not read input image file: " << inputImage << endl;

         return -;

     }

     namedWindow("Img", );

     imshow("Img", img);

     //二值化，为提取轮廓做准备

     threshold(img, img, , , CV_THRESH_OTSU + CV_THRESH_BINARY);

     namedWindow("thr_img", );

     imshow("thr_img", img);

     //创建轮廓集合

     vector<vector<Point> > contours;

     //创建层级hierarchy

     vector<Vec4i>hierarchy;

     Mat dst = Mat::zeros(img.rows, img.cols, CV_8UC3);

     findContours(img, contours, hierarchy, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE);

     if (!contours.empty() && !hierarchy.empty())

     {

         int idx = ;

         for (; idx >= ; idx = hierarchy[idx][])//hierarchy[idx][0]表示当前轮廓序号idx的下一个轮廓

         {

             Scalar color((rand() & ), (rand() & ), (rand() & ));

             drawContours(dst, contours, idx, color, , , hierarchy);

         }

     }

     namedWindow("Connected Components", );

     imshow("Connected Components", dst);

     waitKey();

     return ;

 }

相关文章