Opencv学习笔记（十四）轮廓检测

引言: 本次轮廓检测的介绍基于opencv中的findContours()函数，首先介绍了它的数学原理，然后对其参数进行分析，最后结合drawContours()函数给出了一个轮廓检测的运用实例。

一、轮廓检测原理

opencv中轮廓检测函数的原理基于一篇早期的图像边缘跟踪论文：《Topological Structural Analysis of Digitized Binary Images》，有兴趣的人可以去找来学习一下，此次将大体介绍一下其中关于轮廓检测部分的算法。
首先明确几个基本概念和符号表示：
轮廓检测所针对的是二值化的边缘图像，图像的上下左右边界构成了图像的框架（frame)，一般情况下图像的框架都为0像素，图像中由连通的0像素占据的区域叫做0连通域(0-component)，同理的得到1连通域(1-componetn)，如果存在0连通域S包含了图像的框架，则称S为背景(background)；
图像中第i行第j列的像素用$(i,j)$表示，像素值用$f_{i,j}$表示，则此图像可由$F=f_{i,j}$表示；
当使用4(8)连通对某个像素的连通性进行描述时，如该像素为1则指4(8)连通，如该像素为0则指8(4)连通；

**bia
边界点（borderpoint):在4(8)连通的情况下，如果某个1像素点$(i,j)$在他的8连通域中有0像素点$(p,q)$，那么这个1像素点就称作是边界点。实际上描述的就是判断1连通域（$(i,j)$的父集合）和0连通域（$(p,q)$的父集合）的交界处，取其交界线上1像素点作为边界点。

二、轮廓在opencv中的应用

参考文献
OpenCV轮廓提取算法详解findContours()
Topological Structural Analysis of Digitized Binary Images by Border Following