輪廓：一個(gè)輪廓代表一系列的點(diǎn)（像素），這一系列的點(diǎn)構(gòu)成一個(gè)有序的點(diǎn)集，所以可以把一個(gè)輪廓理解為一個(gè)有序的點(diǎn)集。

在opencv中，提供了一個(gè)函數(shù)返回一個(gè)有序的點(diǎn)集或者有序的點(diǎn)集的集合（指多個(gè)有序的點(diǎn)集），函數(shù)findContour是從二值圖像中來計(jì)算輪廓的，一般使用Canny()函數(shù)處理后的圖像，因?yàn)檫@樣的圖像含有邊緣像素。

尋找輪廓的API函數(shù)：

findContours(image,vector<vector<Point>> contours,vector<Vec4i>hierarchy,int mode,int method,Point offset = Point(0,0));

參數(shù)解釋：

（1）image：單通道圖像矩陣，一般是經(jīng)過canny處理后的二值圖像；

（2）contours：vector<vector<Point>>類型，是一個(gè)向量，并且是一個(gè)雙重向量，向量內(nèi)每個(gè)元素保存了一組由連續(xù)的Point點(diǎn)構(gòu)成的點(diǎn)的集合的向量，每一組Point點(diǎn)集就是一個(gè)輪廓。有多少輪廓，向量contours就有多少元素；

（3）hierarchy：vector<Vec4i> 類型， 即容器內(nèi)每一個(gè)元素都是一個(gè)包含了4個(gè)int型變量的向量，向量內(nèi)每個(gè)元素保存了一個(gè)包含4個(gè)int整型的數(shù)組。向量hiararchy內(nèi)的元素和輪廓向量contours內(nèi)的元素是一一對(duì)應(yīng)的，向量的容量相同。hierarchy向量內(nèi)每一個(gè)元素的4個(gè)int型變量——hierarchy[i][0] ~hierarchy[i][3]，分別表示第i個(gè)輪廓的后一個(gè)輪廓、前一個(gè)輪廓、父輪廓、內(nèi)嵌輪廓的索引編號(hào)。如果當(dāng)前輪廓沒有對(duì)應(yīng)的后一個(gè)輪廓、前一個(gè)輪廓、父輪廓或內(nèi)嵌輪廓的話，則hierarchy[i][0] ~hierarchy[i][3]的相應(yīng)位被設(shè)置為默認(rèn)值-1；

（4）mode：int類型的，定義輪廓的檢索模式：

• CV_RETR_EXTERNAL只檢測最外圍輪廓，包含在外圍輪廓內(nèi)的內(nèi)圍輪廓被忽略；
• CV_RETR_LIST   檢測所有的輪廓，包括內(nèi)圍、外圍輪廓，但是檢測到的輪廓不建立等級(jí)關(guān)系，彼此之間獨(dú)立，沒有等級(jí)關(guān)系，這就意味著這個(gè)檢索模式下不存在父輪廓或內(nèi)嵌輪廓，所以hierarchy向量內(nèi)所有元素的第3、第4個(gè)分量都會(huì)被置為-1，具體下文會(huì)講到；
• CV_RETR_CCOMP  檢測所有的輪廓，但所有輪廓只建立兩個(gè)等級(jí)關(guān)系，外圍為頂層，若外圍內(nèi)的內(nèi)圍輪廓還包含了其他的輪廓信息，則內(nèi)圍內(nèi)的所有輪廓均歸屬于頂層；
• CV_RETR_TREE， 檢測所有輪廓，所有輪廓建立一個(gè)等級(jí)樹結(jié)構(gòu)。外層輪廓包含內(nèi)層輪廓，內(nèi)層輪廓還可以繼續(xù)包含內(nèi)嵌輪廓。   
  

（5）method：int類型，定義輪廓的近似方法：  

• CV_CHAIN_APPROX_NONE 保存物體邊界上所有連續(xù)的輪廓點(diǎn)到contours向量內(nèi)；
• CV_CHAIN_APPROX_SIMPLE 僅保存輪廓的拐點(diǎn)信息，把所有輪廓拐點(diǎn)處的點(diǎn)保存入contours向量內(nèi)，拐點(diǎn)與拐點(diǎn)之間直線段上的信息點(diǎn)不予保留；
• 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(duì)于原始圖像對(duì)應(yīng)點(diǎn)的偏移量，相當(dāng)于在每一個(gè)檢測出的輪廓點(diǎn)上加上該偏移量，一般不偏移取Point(0,0)。

畫輪廓的API函數(shù)：

drawContours(Outputimage,contours,hierarchy,int contourIdx,color,int thickness ,int lineType,hierarchy = noArray(),int maxLevel = INT_MAX,Point offset = Point(0,0))
參數(shù)解釋：

    （1）outputimage: 將輪廓畫在該圖上；
    （2）contours：前面尋找到的輪廓；
    （3）contourIdx：是一個(gè)索引，代表繪制contours中的第幾個(gè)輪廓；
    （4） color：顏色；
    （5）thickness: 線寬；
    （6）lineType： 線型；
    （7）hierarchy：可選層次信息結(jié)構(gòu)，這里面是findContours所的到的基于Contours的層級(jí)信息；
    （8）maxLevel： 繪制輪廓的最大等級(jí)。如果等級(jí)為0，繪制單獨(dú)的輪廓。如果為1，繪制輪廓及在其后的相同的級(jí)別下輪廓。如果等級(jí)為2，繪制所有同級(jí)輪廓及所有低一級(jí)輪廓，諸此種種。如果值為負(fù)數(shù)，函數(shù)不繪制同級(jí)輪廓，但會(huì)升序繪制直到級(jí)別為abs(max_level)-1的子輪廓；

    （9）offset：照給出的偏移量移動(dòng)每一個(gè)輪廓點(diǎn)坐標(biāo).當(dāng)輪廓是從某些感興趣區(qū)域(ROI)中提取的然后需要在運(yùn)算中考慮ROI偏移量時(shí)，將會(huì)用到這個(gè)參數(shù)。

以上定義摘自該篇博客：OpenCV實(shí)現(xiàn)輪廓的發(fā)現(xiàn)。

#include<opencv2/opencv.hpp>
using namespace cv;
using namespace std;
 
int value = 50;
Mat src, dst, canny_img;
void callback(int, void*);
int main(int arc, char** argv)
{ 
 src = imread("2.jpg");
 namedWindow("src",CV_WINDOW_AUTOSIZE);
 imshow("src", src);
 cvtColor(src, src, CV_BGR2GRAY);
 
 namedWindow("output", CV_WINDOW_AUTOSIZE);
 createTrackbar("threshold", "output", &value, 255, callback);
 callback(0, 0);
 waitKey(0);
 return 0;
}
void callback(int, void*) {
 Canny(src, canny_img, value, 2 * value);
 imshow("canny", canny_img);
 vector<vector<Point>>contours;
 vector<Vec4i>hierarchy;
 findContours(canny_img, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE,Point(0,0));
 
 dst = Mat::zeros(src.size(), CV_8UC3);
 RNG rng(1);
 for (int i = 0; i < contours.size(); i++) { 
 Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
 drawContours(dst, contours, i, color, 2, 8, hierarchy, 0, Point(0, 0));
 }
 imshow("output", dst);
} 

運(yùn)行結(jié)果如下：

以上就是本文的全部內(nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評(píng)論