OpenCV图像轮廓示例-CSDN博客

本文链接：https://blog.csdn.net/brucexia/article/details/147443901

图像轮廓可以简单地解释为连接具有相同颜色（在彩色图片中）或强度（灰度图像要转换为二值化图像）的所有连续点（沿边界）的曲线。值得注意的是，图像轮廓指的是图像中连续的像素边界，这些边界通常代表了图像中的物体或者物体的边缘。轮廓是由相同像素值组成的曲线，它们连接相同的颜色或灰度值，并且具有连续性。

这里要强调一下，在OpenCV中，查找轮廓就像从黑色背景中找到白色物体，如图17-1所示。

图17-1

对于左图中白色区域的图像，经过程序处理找出轮廓并绘制出来，就得到了右边的轮廓。注意，要找的对象应该是白色，背景应该是黑色。为了获得更高的准确性，要使用二值图像。

17.2 应用场景

轮廓可以用来描述和分析图像中的形状和结构，因此是许多计算机视觉任务（如目标检测、形状识别、图像分割等）的基础。图像轮廓在许多应用场景中都发挥着重要作用，下面列举一些常见的应用场景：

（1）目标检测与识别：轮廓可以用于检测和定位图像中的物体。通过检测物体的轮廓，可以识别出图像中的不同物体并进行分类。

（2）图像分割：轮廓可以用来分割图像中的不同区域或物体。通过提取物体的轮廓，可以将图像分成多个不同的部分，以方便进一步分析和处理。

（3）医学图像分析：在医学图像中，轮廓可以用来标记器官、病变或细胞等结构。这对于诊断和治疗决策具有重要意义。

（4）工业自动化：在工业自动化中，轮廓可用于检测产品的缺陷、测量尺寸和定位部件，从而实现自动化生产和质量控制。

（5）机器人视觉：机器人可以利用图像轮廓来感知环境和物体，从而实现自主导航、抓取物体等任务。

（6）计算机辅助设计（CAD）：在CAD领域，图像轮廓可用于从实际物体中获取几何信息，以便在计算机上进行建模和设计。

（7）虚拟现实与增强现实：图像轮廓可以用来实时跟踪物体，将虚拟对象与实际场景进行交互，从而创建更加逼真的虚拟现实或增强现实体验。

（8）图像重建与三维建模：利用物体的轮廓可以进行图像的重建和三维建模，从而生成立体的物体模型。

（9）边缘检测虽然能够检测出边缘，但边缘是不连续的，检测到的边缘并不是一个整体。图像轮廓是指将边缘连接起来形成的一个整体，可用于后续的计算。

图像轮廓是图像中非常重要的一个特征信息，通过对图像轮廓的操作，我们能够获取目标图像的大小、位置、方向等信息。

17.3 OpenCV中的轮廓函数

17.3.1 查找轮廓findContours

OpenCV提供了查找图像轮廓的函数findContours，该函数能够查找图像内的轮廓信息，其使用形式如下：

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

该函数在4.7节已经介绍过了，这里不再赘述。findContours函数没有返回值（即返回类型为void），但它可以通过修改传入的contours和（可选的）hierarchy参数来输出轮廓和层级信息。

之前提到轮廓是一个具有相同灰度值的边界，它会存储形状边界上所有的（x,y）坐标。实际上我们不需要所有的点，比如当需要直线时，找到两个端点即可。对此可以使用CHAIN_APPROX_SIMPLE，它会将轮廓上的冗余点去掉，压缩轮廓，从而节省内存开支。下面用矩阵来演示，在轮廓列表中的每一个坐标上画一个蓝色圆圈。第一幅图是使用CHAIN_APPROX_NONE的效果，一共734个点；第二幅图是使用CHAIN_APPROX_SIMPLE的结果，只有4个点，如图17-2所示。

图17-2

左图因为有734个点，所以看起来像围着矩形画了一圈线，而右图才4个点。

17.3.2 轮廓的基本属性

轮廓具有4个基本属性，通过这些属性，我们可以更好地了解图像轮廓的基本信息。这4个基本属性具体如下：

1）轮廓的个数

使用如下语句可以获取轮廓的个数：

cout << contours.size();

2）每个轮廓的点数

每一个轮廓都是由若干个像素点构成的，点的个数不固定，具体个数取决于轮廓的形状。

例如，使用如下语句可以获取某个轮廓内点的个数：

cout<<contours[i].size);   // 打印第i个轮廓的长度（点的个数）

3）轮廓内的点

使用如下语句可以获取第i个轮廓中具体点的位置：

cout<<contours[i];   // 打印第i个轮廓中的像素点

4）轮廓层次

hierarchy可以用来表示图像的拓扑信息（轮廓层次）。图像内的轮廓可能位于不同的位置，比如一个轮廓在另一个轮廓的内部。在这种情况下，我们将外部的轮廓称为父轮廓，内部的轮廓称为子轮廓。按照上述关系分类，一幅图像中所有轮廓之间就建立了父子关系。根据轮廓之间的关系，就能够确定一个轮廓与其他轮廓是如何连接的。比如，确定一个轮廓是某个轮廓的子轮廓，或者是某个轮廓的父轮廓。上述关系被称为层次（组织结构），返回值hierarchy就包含上述层次关系。每个轮廓的contours[i]对应4个元素来说明当前轮廓的层次关系，其形式为：

[Next，Previous，First_Child，Parent]

Next表示后一个轮廓的索引编号；Previous表示前一个轮廓的索引编号；First_Child表示第1个子轮廓的索引编号；Parent表示父轮廓的索引编号。

如果上述各个参数所对应的关系为空，也就是没有对应的关系，则将该参数所对应的值设为“-1”。使用语句“cout<<hierarchy”来查看hierarchy的值。需要注意，轮廓的层次结构是由参数mode决定的。也就是说，使用不同的mode，得到轮廓的编号是不一样的，得到的hierarchy也不一样。

17.3.3 绘制轮廓drawContours

通常光找到轮廓是不够的，一般要将轮廓标记出来，也就是绘制轮廓，这样就可以一目了然了。OpenCV提供了绘制轮廓函数drawContours，其原型如下：

void cv::drawContours(InputOutputArray image, InputArrayOfArrays contours, 

                      int contourIdx, const Scalar& color, 

                      int thickness = 1, int lineType = LINE_8, 

                      InputArray hierarchy = noArray(), 

                      int maxLevel = INT_MAX, Point offset = Point());

这个函数在4.7节已经介绍过了，这里不再赘述。我们把函数原型写在这里，也是为了方便读者就近查阅。

17.3.4 求轮廓面积contourArea

除了绘制轮廓外，OpenCV 还提供了函数contourArea，用于计算轮廓的面积。所谓轮廓面积就是轮廓包围起来的区域的面积，如图17-3所示。3个几何图形的白色区域的面积都是轮廓包围起来的面积。

图17-3

函数contourArea对于分析图像中的对象或区域非常有用，其原型如下：

double cv::contourArea( InputArray _contour, bool oriented );

其中参数contour表示这是一个轮廓的点集，通常通过findContours函数获得；oriented（可选）表示如果提供了这个参数，就返回有方向的面积，0表示顺时针方向，正数表示逆时针方向。函数的返回值是轮廓的面积。

17.4 实战轮廓函数

本节将通过实例来演示findContours、drawContours、contourArea这3个函数的使用。

【例17.1】查找和绘制轮廓，并计算面积

打开Qt Creator，新建一个控制台项目，项目名称是test。

在main.cpp中输入如下代码：

#include "opencv2/opencv.hpp"
using namespace cv;
#include <iostream>
#include <vector>
#include <QDebug>

using namespace std;

int main(int argc, char** argv)
{
    Mat thresh,gray;
    vector<std::vector<cv::Point>> contours;
    vector<cv::Vec4i> hierarchy;
    int i;

    // 加载图像并转换为灰度图
    Mat image = imread("test17.jpg");
    cvtColor(image,gray, COLOR_BGR2GRAY);

    // 二值化处理
    threshold(gray,thresh, 127, 255, THRESH_BINARY);
    imshow("bin", thresh);

    // 查找所有图形的轮廓
    findContours(thresh,contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);
    for ( i = 0; i < contours.size(); ++i) {  // 遍历所有轮廓
            qDebug()<<"第"<<i<<"个轮廓的面积为"<<contourArea(contours[i])<<",长度为"<<arcLength(contours[i], true);
            drawContours(image, contours, i, Scalar(0, 0, 255), 3);
        }

    // 查看轮廓的属性
    qDebug()<< "轮廓集合的数据类型: " << typeid(contours).name()<<endl;
    qDebug()<<"轮廓的数量:"<<contours.size(); // 轮廓的个数
    // 获取并打印数据类型名称，获取轮廓 contours 中第0个元素的类型
    qDebug() << "第0个轮廓内的第0个点的数据类型: " << typeid(contours[0][0]).name()<<endl;
    size_t count = contours[0].size();// 获取第0个轮廓内点的个数
    qDebug() << "第0个轮廓有" << count << "个点" << endl;
    cout<<contours[0]; // 打印第0个轮廓中的像素点的位置

    imshow("Contours", image);// 显示绘制轮廓的图片
    waitKey(0);// 等待用户按键
    destroyAllWindows();// 销毁所有窗口
    return 0;
}

在上述代码中，首先读取工程目录下的图片文件test17.jpg，并将其转换为灰度图。然后通过函数threshold进行二值化处理并显示二值图像，注意函数threshold有两个返回值，一个是得到的阈值，另外一个是阈值化后的图像，现在第一个返回值用下画线来忽略掉了，因为后面不需要。二值化处理后，就可以通过findContours来查找轮廓了，找到轮廓后，我们通过一个循环来计算每个轮廓的面积，并调用函数drawContours绘制轮廓。最后打印第0个轮廓的各个属性和绘制轮廓后的图像。

在程序中，我们通过C++运算符获取了轮廓集合和第0个轮廓第0个点的数据类型，typeid的结果可能因编译器而异，并且不同编译器可能给出不同的名称表示。

运行程序，在Qt Creator输出窗口的输出结果如下：

第 0 个轮廓的面积为 2069.5 ,长度为 181.414
第 1 个轮廓的面积为 3063.5 ,长度为 269.238
第 2 个轮廓的面积为 1893 ,长度为 163.196
轮廓集合的数据类型:  St6vectorIS_IN2cv6Point_IiEESaIS2_EESaIS4_EE

轮廓的数量: 3
第0个轮廓内的第0个点的数据类型:  N2cv6Point_IiEE

第0个轮廓有 5 个点

[25, 101;
 25, 146;
 71, 146;
 71, 102;
 70, 101]

二值图像和绘制后的轮廓图的输出结果如图17-4所示。

图17-4

从结果中可以看出，我们在图中找到了3个轮廓，并计算出来这3个轮廓的面积。

我们再来看另外一个手势图文件，比如加载构建目录下的test3.jpg文件，并把打印轮廓0的像素点的那一行代码注释掉，再来运行程序，结果如下：

number of contours: 1

只有一个轮廓，符合预期，运行效果图如图17-5所示。

到这里一切都很顺利，但如果我们让程序读入图17-6所示的图像（indexFinger.jpg），会有几个轮廓呢？

读者可以先想一想，估计很多人脱口而出1个轮廓。非也，答案是2个轮廓。我们把这个图片文件命名为test2.jpg，然后放到项目目录下，再运行程序，结果如下：

number of contours: 2

为什么是2呢？这是因为在OpenCV中，找轮廓就像从黑色背景中找到白色物体。现在图17-6的背景是白色，手是黑色，那相当于白色区域是要找的物体，黑色区域边缘和图片边缘是白色区域的轮廓，而且这两个轮廓是分离的，因此轮廓是2个。我们最后来看一下效果图，如图17-7所示。

图17-5 图17-6 图17-7

图中果然绘制了2个轮廓。那怎么让手势只有一个轮廓呢？很简单，黑白对调即可。也就是让手势区域是白色，其他区域是黑色。下面来讲解图像处理中的黑白翻转。

17.5 实战黑白翻转

在图像处理领域，黑白翻转是一种简单但常用的图像处理技术，通过将图像中的像素点的灰度值反转来实现。这种技术不仅可以用于艺术创作，还可以用于图像增强和特效处理等应用。

在图像处理中，每个像素点都有一个灰度值，通常表示为0~255的一个整数。黑白翻转就是将每个像素点的灰度值取反，即用255减去当前的灰度值。这样就可以实现黑色变为白色，白色变为黑色的效果。

知道原理后，下面看一个示例，演示如何使用OpenCV库来实现黑白翻转操作。

【例17.2】实现图片黑白翻转

打开Qt Creator，新建一个控制台项目，项目名称是test。

在main.cpp中输入如下代码：

#include "opencv2/opencv.hpp"
using namespace cv;

int main(int argc, char** argv)
{
    Mat img,img_inverted;
    img = imread("indexFinger.jpg", IMREAD_GRAYSCALE);// 灰度模式读取图片
    img_inverted = 255 - img;				// 黑白翻转
    // 显示原图和翻转后的图像
    imshow("Original Image", img);			// 显示原图
    imshow("Inverted Image", img_inverted);	// 显示翻转后的图像
    imwrite("testRes.jpg", img_inverted);	// 保存黑白翻转后图像文件
    waitKey(0);
    destroyAllWindows();
    return 0;
}

在这段代码中，首先使用imread函数读取一幅灰度图像（注意第二个参数是IMREAD_GRAYSCALE，即0），并将其赋值给img变量。然后通过简单的计算255-img实现黑白翻转操作，并将结果保存在img_inverted变量中。接着使用imshow函数显示原图和翻转后的图像，并通过imwrite函数保存翻转后的黑白图像文件。最后通过waitKey(0)等待用户按下任意键后关闭窗口。

运行项目，翻转后的图像如图17-8所示。