- 轮廓：轮廓即是以某种方式表示图像中的曲线的点的列表。这种表示可以根据实际的情形不同而不同。表示一条曲线的方式有很多种。OpenCV中，轮廓是由STL风格的vector<>模板对象表示的，其中vector中的每个元素都编码了曲线上，下一点的位置信息。
- 拓扑：就是把实体抽象成与其大小、形状无关的“点”，而把连接实体的线路抽象成“线”，进而以图的形式来表示这些点与线之间关系的方法，其目的在于研究这些点、线之间的相连关系。表示点和线之间关系的图被称为拓扑结构图。
轮廓发现(find contour)
- 轮廓发现是基于图像边缘提取的基础寻找对象轮廓的方法。所以边缘提取的阈值选定会影响最终轮廓发现结果
- API介绍
findContours 发现轮廓
drawContours 绘制轮廓
相关API
- 在二值图像上发现轮廓使用API: cv::findContours()的具体调用有两种方式，具体如下：
-
void cv::findContours(
InputOutputArray binImg, // 输入图像，非0的像素被看成1,0的像素值保持不变，8-bit
OutputArrayOfArrays contours,// 全部发现的轮廓对象， 包含points的vectors的vector
OutputArray, hierachy// 图该的拓扑结构，可选，该轮廓发现算法正是基于图像拓扑结构实现。
int mode, // 轮廓返回的模式
int method,// 发现方法
Point offset=Point()// 轮廓像素的位移，默认（0, 0）没有位移
) -
void cv::findContours(
InputOutputArray image, // 输入的8位单通道“二值”图像
OutputArrayOfArrays contours, // 包含points的vectors的vector
int mode, // 轮廓检索模式
int method, // 近似方法
cv::Point offset = cv::Point() // (可选) 所有点的偏移
);
int mode, // mode轮廓检索模式，可以通过cv::RetrievalModes()查看详细信息
- RETR_EXTERNAL:表示只检测最外层轮廓，对所有轮廓设置hierarchy[i][2]=hierarchy[i][3]=-1
- RETR_LIST:提取所有轮廓，并放置在list中，检测的轮廓不建立等级关系
- RETR_CCOMP:提取所有轮廓，并将轮廓组织成双层结构(two-level hierarchy),顶层为连通域的外围边界，次层位内层边界
- RETR_TREE:提取所有轮廓并重新建立网状轮廓结构
- RETR_FLOODFILL：官网没有介绍，应该是洪水填充法
int method,// method:轮廓近似方法可以通过cv::ContourApproximationModes()查看详细信息
- CHAIN_APPROX_NONE：获取每个轮廓的每个像素，相邻的两个点的像素位置差不超过1
- CHAIN_APPROX_SIMPLE：压缩水平方向，垂直方向，对角线方向的元素，值保留该方向的重点坐标，如果一个矩形轮廓只需4个点来保存轮廓信息
- CHAIN_APPROX_TC89_L1和CHAIN_APPROX_TC89_KCOS使用Teh-Chinl链逼近算法中的一种
- 对发现的轮廓数据进行绘制显示
drawContours(// 绘制轮廓，一次只能根据轮廓索引号绘制一次，需要循环所有发现的轮廓
InputOutputArray binImg, // 输出图像
OutputArrayOfArrays contours,// 全部发现的轮廓对象，包含points的vectors的vector
Int contourIdx// 轮廓索引号
const Scalar & color,// 绘制时候颜色
int thickness,// 绘制线宽，如果传 -1 表示填充轮廓
int lineType ,// 线的类型LINE_8
InputArray hierarchy,// 拓扑结构图
int maxlevel,// 最大层数， 0只绘制当前的，1表示绘制绘制当前及其内嵌的轮廓
Point offset=Point()// 轮廓位移，可选
)
步骤
- 输入图像转为灰度图像cvtColor
- 使用Canny进行边缘提取，得到二值图像
- 使用findContours寻找轮廓
- 使用drawContours绘制轮廓
程序代码
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
Mat src,src_gray;
int thresh = 100;
int max_thresh = 255;
RNG rng(12345);
void thresh_callback(int, void* );
int main( int argc, char** argv )
{
// 1. 加载源图像
src = imread("E:/Experiment/OpenCV/Pictures/happyfish.jpg");
// 2. 转成灰度并模糊化降噪
cvtColor( src, src_gray, CV_BGR2GRAY );
blur( src_gray, src_gray, Size(3,3) );
// 创建窗体
char* source_window = "Source";
namedWindow( source_window, CV_WINDOW_AUTOSIZE );
imshow( source_window, src );
createTrackbar( " Canny thresh:", "Source", &thresh, max_thresh, thresh_callback );
thresh_callback( 0, 0 );
waitKey(0);
return(0);
}
void thresh_callback(int, void* )
{
Mat canny_output;
vector<vector<Point> > contours;//每个轮廓由一系列点组成
vector<Vec4i> hierarchy;
// 用Canny算子检测边缘
Canny( src_gray, canny_output, thresh, thresh*2, 3 );
// 寻找轮廓
findContours( canny_output, contours, hierarchy, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, Point(0, 0) );
// 发现轮廓
//因为要用不同颜色区分轮廓，所以这里用的CV_8UC3 3通道彩色图，如果是CV_8UC1 绘制的就是灰度图，感官上不好区分
Mat drawing = Mat::zeros( canny_output.size(), CV_8UC3 );
for( int i = 0; i< contours.size(); i++ ){
Scalar color = Scalar( rng.uniform(0, 255), rng.uniform(0,255), rng.uniform(0,255) );//随机颜色
drawContours( drawing, contours, i, color, 2, 8, hierarchy, 0, Point() );//颜色一致的就属同一发现的轮廓
}
// 在窗体中显示结果
namedWindow( "Contours", CV_WINDOW_AUTOSIZE );
imshow( "Contours", drawing );
}
运行截图
