提取轮廓的原理和代码实例

在检测物体的轮廓时，我们通常会使用到opencv中的findcontour和drawcontour，比较常用而且效果不错。那么findcontour是基于什么原理来实现轮廓的提取呢？

1985年，有个叫satoshi suzuki的人发表了一篇论文，Topological structural analysis of digitized binary images by border following，他介绍了两种算法来实现轮廓的提取，当然输入的图像是二值图像。findcontour就是基于这篇论文的思路来实现。

本博文分为三部分来写，第一部分是介绍satoshi suzuki论文的大致思想；第二部分是使用实例来阐述findcontour的运用；第三部分是代码的解释。

一、论文大概思想

这篇论文我看了一天多，内容还是比较好理解。他主要介绍了两种算法，用来对数字二值图像进行拓扑分析。第一种算法是在确定二值图像边界的围绕关系，即确定外边界、孔边界以及他们的层次关系，由于这些边界和原图的区域具有一一对应关系（外边界对应像素值为1的连通区域，孔边界对应像素值为0的区域），因此我们就可以用边界来表示原图。第二种算法，是第一种算法的修改版本，本质一样，但是它只找最外面的边界。

也许你会问，这个算法怎么来确定外边界，孔边界以及他们的层级关系？他采用编码的思想，给不同的边界赋予不同的整数值，从而我们就可以确定它是什么边界以及层次关系。输入的二值图像即为0和1的图像，用f(i,j)表示图像的像素值。每次行扫描,遇到以下两种情况终止：

（1）f(i,j-1)=0，f(i,j)=1；//f(i,j)是外边界的起始点

（2）f(i,j)>=1，f(i,j+1)=0；//f(i,j)是孔边界的起始点

然后从起始点开始，标记边界上的像素。在这里分配一个唯一的标示符给新发现的边界，叫做NBD。初始时NBD=1，每次发现一个新边界加1。在这个过程中，遇到f(p,q)=1,f(p,q+1)=0时，将f(p,q)置为-NBD。什么意思呢？就是右边边界的终止点。假如一个外边界里有孔边界时，怎么推导呢？限于篇幅，你可以看论文的附录1。

二、实例运用

下面举个例子，对一幅图像先进行边沿提取，这里使用canny,然后再用findcontour提取轮廓，最后用drawcontour画出轮廓。

#include "StdAfx.h"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include 
   
   
    
    
#include 
    
    
     
     
#include 
     
     
      
      

using namespace cv;
using namespace std;

Mat src; Mat src_gray;
int thresh = 100;
int max_thresh = 255;
RNG rng(12345);

/// Function header
void thresh_callback(int, void* );

/** @function main */
int main()
{
	/// Load source image and convert it to gray
	src = imread("lena.jpg", 1 );

	/// Convert image to gray and blur it
	cvtColor( src, src_gray, CV_BGR2GRAY );
	blur( src_gray, src_gray, Size(3,3) );

	/// Create Window
	char* source_window = "Source";
	namedWindow( source_window, 0);
	imshow( source_window, src );

	createTrackbar( " Canny thresh:", "Source", &thresh, max_thresh, thresh_callback );
	thresh_callback( 0, 0 );

	waitKey(0);
	return(0);
}

/** @function thresh_callback */
void thresh_callback(int, void* )
{
	Mat canny_output;
	vector
      
      
       
       
         > contours; vector 
        
          hierarchy; /// Detect edges using canny Canny( src_gray, canny_output, thresh, thresh*2, 3 ); /// Find contours findContours( canny_output, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE, Point(0, 0) ); /// Draw contours 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) ); drawContours( drawing, contours, i, color, CV_FILLED, 8, hierarchy, 0, Point() ); } /// Show in a window namedWindow( "Contours", 0 ); imshow( "Contours", drawing ); } 
         
       
      
      
     
     
    
    
   
   

结果图如下：

三、代码注释

findContours( canny_output, contours, hierarchy, 
CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE, Point(0, 0) );

canny_output：使用canny算子提取边缘的结果图,这里的图像必须是二值图像；

contours：提取得到的轮廓图，每个轮廓作为一个点向量来存储；

hierarchy：关于输出图像的拓扑信息，例如第i个轮廓，hierarchy[i][0]和hiearchy[i][1]表示该轮廓的前一个和后一个轮廓，同一层关系；hiearchy[i][2]和hiearchy[i][3]表示父轮廓和子轮廓，不同层的关系。

CV_RETR_EXTERNAL：轮廓检索模式，这里采用外轮廓的模式；

CV_CHAIN_APPROX_SIMPLE：轮廓的近似方法，这里采用压缩方式，只用端点来表示；

Point(0,0):偏移量，这里无偏移。

drawContours( drawing, contours, i, color,
CV_FILLED, 8, hierarchy, 0, Point() );

drawing:目标图像；

contours：所有输入的轮廓；

i：指定那个轮廓被画；

color：轮廓的颜色

CV_FILLED：线的宽度，这里采用填充模式；

8：线的连接度；

hierarchy：只有当你只需要画一些轮廓时，这个参数才需要:

0：所画轮廓的最大级别，为0时表示只画指定的轮廓；

Point():偏移量。

哈哈，终于好了!