OpenCV實現輪廓的發現

前言：

        當我們通過閾值分割提取到圖像中的目標物體后，我們就需要通過邊緣檢測來提取目標物體的輪廓，使用這兩種方法基本能夠確定物體的邊緣或者前景。接下來，我們通常需要做的是擬合這些邊緣的前景，如擬合出包含前景或者邊緣像素點的最小外包矩形、圓、凸包等幾何形狀，為計算它們的面積或者模板匹配等操作打下堅實的基礎。

一、查找、繪制輪廓

      首先了解一下輪廓的定義。一個輪廓代表一系列的點（像素），這一系列的點構成一個有序的點集，所以可以把一個輪廓理解為一個有序的點集。

1.1 findContour()函數

        在OpenCV中，提供了一個函數返回或者輸出一個有序的點集或者有序的點集的集合（指多個有序的點集），函數findContour是從二值圖像中來計算輪廓的，它可以使用Canny()函數處理的圖像，因為這樣的圖像含有邊緣像素；也可以使用threshold()或者adaptiveThreshold()處理后的圖像，其邊緣隱含在正負區域的交界處。這個函數的聲明如下：

void findContours(InputOutputArray image,OutputArrayOfArrays contours,OutputArray hierarchy,int mode,int method,Point offset = Point());

其參數解釋如下：

（1）image：單通道圖像矩陣，可以是灰度圖，但更常用的是二值圖像，一般是經過Canny、拉普拉斯等邊緣檢測算子處理過的二值圖像；

（2）contours：vector<vector<Point>>類型，是一個向量，并且是一個雙重向量，向量內每個元素保存了一組由連續的Point點構成的點的集合的向量，每一組Point點集就是一個輪廓。有多少輪廓，向量contours就有多少元素。

（3）hierarchy：vector<Vec4i> 類型， Vec4i是Vec<int,4>的別名，即容器內每一個元素都是一個包含了4個int型變量的向量，所以從定義上看，hierarchy也是一個向量，向量內每個元素保存了一個包含4個int整型的數組。向量hiararchy內的元素和輪廓向量contours內的元素是一一對應的，向量的容量相同。hierarchy向量內每一個元素的4個int型變量——hierarchy[i][0] ~hierarchy[i][3]，分別表示第i個輪廓的后一個輪廓、前一個輪廓、父輪廓、內嵌輪廓的索引編號。如果當前輪廓沒有對應的后一個輪廓、前一個輪廓、父輪廓或內嵌輪廓的話，則hierarchy[i][0] ~hierarchy[i][3]的相應位被設置為默認值-1。

（4）mode：int類型的，定義輪廓的檢索模式：

取值一：CV_RETR_EXTERNAL只檢測最外圍輪廓，包含在外圍輪廓內的內圍輪廓被忽略；

取值二：CV_RETR_LIST   檢測所有的輪廓，包括內圍、外圍輪廓，但是檢測到的輪廓不建立等級關系，彼此之間獨立，沒有等級關系，這就意味著這個檢索模式下不存在父輪廓或內嵌輪廓，所以hierarchy向量內所有元素的第3、第4個分量都會被置為-1，具體下文會講到；

 取值三：CV_RETR_CCOMP  檢測所有的輪廓，但所有輪廓只建立兩個等級關系，外圍為頂層，若外圍內的內圍輪廓還包含了其他的輪廓信息，則內圍內的所有輪廓均歸屬于頂層；

 取值四：CV_RETR_TREE， 檢測所有輪廓，所有輪廓建立一個等級樹結構。外層輪廓包含內層輪廓，內層輪廓還可以繼續包含內嵌輪廓。

（5） method：int類型，定義輪廓的近似方法：

取值一：CV_CHAIN_APPROX_NONE 保存物體邊界上所有連續的輪廓點到contours向量內；

取值二：CV_CHAIN_APPROX_SIMPLE 僅保存輪廓的拐點信息，把所有輪廓拐點處的點保存入contours向量內，拐點與拐點之間直線段上的信息點不予保留；

取值三和四：CV_CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法；

（6） Point：偏移量，所有的輪廓信息相對于原始圖像對應點的偏移量，相當于在每一個檢測出的輪廓點上加上該偏移量，并且Point還可以是負值。

注意事項：

顯然，從函數名可以看出“尋找輪廓”的意思。我們可以通過邊緣檢測算法得到邊緣二值圖或者前景二值圖，二值圖的邊緣像素或者前景像素就可以被看出是由多個輪廓（點集）組成的。函數findContours的作用就是將二值圖的邊緣像素或者前景像素拆分成多個輪廓，便于分開討論每一個輪廓，其中參數image代表一張二值圖，contours代表輸出的多個輪廓。對于該函數的C++API，對一個輪廓的描述用vector<Point>，那么多個輪廓（多個點集）如何表示呢?即參數contours是什么數據結構呢？在C++API中，用vector<vector<Point>>描述多個輪廓，即將多個輪廓存在一個vector中。

1.2 drawContours()函數

OpenCV中也提供了一個函數來繪制findContours所找到的多個輪廓，其函數聲明如下：

void drawContours(InputOutputArray image,
InputArrayOfArrays contours,
int contourIdx,
const Scalar& color,
int thickness = 1,
int lineType = 8,
InputArray hierarchy = noArray(),
 
int maxLevel = INT_MAX,
 
Point offset = Point())

其參數解釋如下：

    （1）image: 代表輸入的圖像矩陣，將輪廓畫在該圖上；
    （2）contours：是得到的一系列點的集合，代表多個輪廓；
    （3）contourIdx：是一個索引，代表繪制contours中的第幾個輪廓；
    （4） color：被填充的顏色，單色可以設置為Scalar(255)等；
    （5）thickness: 所畫Contour的線條粗細，如果該參數值小于0，則表示填充整個輪廓內的區域；
    （6）lineType： 線的連通性；
    （7）hierarchy：可選層次信息結構，這里面是findContours所的到的基于Contours的層級信息；
    （8）maxLevel： 繪制輪廓的最大等級。如果等級為0，繪制單獨的輪廓。如果為1，繪制輪廓及在其后的相同的級別下輪廓。如果值為2，所有的輪廓。如果等級為2，繪制所有同級輪廓及所有低一級輪廓，諸此種種。如果值為負數，函數不繪制同級輪廓，但會升序繪制直到級別為abs(max_level)-1的子輪廓

    （9）offset：照給出的偏移量移動每一個輪廓點坐標.當輪廓是從某些感興趣區域(ROI)中提取的然后需要在運算中考慮ROI偏移量時，將會用到這個參數。

二、 演示代碼

實例步驟

• 轉灰度
• canny得到二值圖像
• findcontours尋找輪廓
• drawcontours畫輪廓

我們編寫演示代碼如下：

#include<opencv2\opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;
Mat src1, src2,gray_img, dst;
int value = 100;
int max_value = 255;
void demo(int, void*);
int main()
{
 //發現輪廓--> cvtcolor-->canny得到二值圖像-->findcontours(尋找輪廓)-->drawcontous()
 src1 = imread("C:\\Users\\馬迎偉\\Desktop\\yuan1.jpg");
 //src2 = imread("C:\\Users\\馬迎偉\\Desktop\\heibao1.png");
 if (src1.empty())
 {
 printf("cannot load!!\n");
 system("pause");
 return -1;
 }
 namedWindow("input", CV_WINDOW_AUTOSIZE);
 imshow("input",src1);
 namedWindow("output", CV_WINDOW_AUTOSIZE);
 cvtColor(src1,gray_img,CV_BGR2GRAY);
 createTrackbar("creattrackbar","output",&value,max_value,demo);
 demo(0, 0);
 waitKey(0);
 return 0;
}
void demo(int, void*)
{
 //將圖像表現在src3上
 Mat src3 = Mat::zeros(src1.size(),CV_8UC3);
 vector<vector<Point>>contours;
 vector<Vec4i>hierarchy;
 Canny(gray_img,src2,value,value*2,3,false );
 findContours(src2,contours,RETR_TREE,CHAIN_APPROX_SIMPLE,Point(0,0));
 RNG rng(12345);
 for (size_t i = 0; i < contours.size(); i++)
 {
 Scalar color = Scalar(rng.uniform(0,255),rng.uniform(0,255),rng.uniform(0,255));
 drawContours(src3, contours, i,color,1,LINE_AA,hierarchy,0,Point(0,0));
 }
 imshow("output",src3);
}

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持億速云。