opencv之轮廓检测findContours

官方demo如下
python版：

ret, thresh = cv.threshold(imgray, 127, 255, 0)
contours, hierarchy = cv.findContours(thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)

java版：

Mat cannyOutput = new Mat();
Imgproc.Canny(srcGray, cannyOutput, threshold, threshold * 2);
List<MatOfPoint> contours = new ArrayList<>();
Mat hierarchy = new Mat();
Imgproc.findContours(cannyOutput, contours, hierarchy, Imgproc.RETR_TREE, Imgproc.CHAIN_APPROX_SIMPLE);

C++版：

Mat canny_output;
Canny( src_gray, canny_output, thresh, thresh*2 );
vector<vector<Point> > contours;
vector<Vec4i> hierarchy;
findContours( canny_output, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE );
Mat drawing = Mat::zeros( canny_output.size(), CV_8UC3 );

参数

第一个参数是寻找轮廓的图像src；
第二个参数contours，是输出的轮廓，每一个轮廓用std::vector<std::vectorcv::Point >来存储；
第三个参数hierarchy，是输出的轮廓关系的存储；
第四个参数表示轮廓的检索模式，有四种（本文介绍的都是新的cv2接口）：

    cv2.RETR_EXTERNAL     表示只检测外轮廓
    cv2.RETR_LIST  检测的轮廓不建立等级关系，但是轮廓之间都是单独的，没有父子关系；
    cv2.RETR_CCOMP     建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层。
    cv2.RETR_TREE。 检测所有轮廓，所有轮廓按照真实的情况建立等级树结构关系，层数不限；

第五个参数method为轮廓的近似办法

cv2.CHAIN_APPROX_NONE 存储所有的轮廓点，相邻的两个点的像素位置差不超过1，即max（abs（x1-x2），abs（y2-y1））==1，算出来的轮廓不经过处理，算出来是啥就是啥；
cv2.CHAIN_APPROX_SIMPLE 压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，（压缩轮廓，把横竖撇捺都压缩得只剩下顶点）例如一个矩形轮廓只需4个点来保存轮廓信息
cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS 使用teh-Chinl chain 近似算法。

第六个参数offset：是输出轮廓的偏移量

返回值

返回两个值，一个是轮廓本身contours，还有一个是每条轮廓对应的属性hierarchy。

相关定义

1，轮廓点（border point）：如果一个像素1在4-或者8-邻域找到一个像素为0的点，为一个轮廓点，如上图的B1，B2，B3，B4，其中阴影部分为1，白色部分为0
2，连通区域的环绕（surroundness among connected components），对于两个相邻的连通区域S1和S2，如果对于S1上任意一个点的4个方向，都能达到S2，那么S2b环绕S1
3，关于外轮廓(outer border)和孔轮廓(hole border)，外轮廓是像素为1连通域内像素为0连通域环绕的轮廓点（如图一B4），孔轮廓是像素为0的连通区域被像素为1的连通区域环绕的轮廓点（如图一 B2）。
4，父轮廓（parent border），定义了层级关系，假设有像素为1的连通区域S1和像素为0的连通区域S2，并且S2环绕S1
（1）外轮廓S1的父轮廓为环绕S2的值为1的像素，如B3的父轮廓为B2
（2）如果S2是背景，父轮廓为frame 如B4父轮廓为frame
5，光栅扫描(RasterScan)：是指从左往右，由上往下，先扫描完一行，再移至下一行起始位置继续扫描。
6，边界开始点（starting point）：边界开始点分为外边界开始点（Fig.2a）和孔边界开始点（Fig.2b）。如果点(i,j)既满足(a)又满足(b)，则把(i,j)视为外边界开始点。
7, NBD：从边界开始点(i,j)以边界跟踪算法可以得到一条边界，为每条新找到的边界B赋予一个新的唯一的编号，NBD表示当前跟踪的边界的编号。
8, LNBD：在光栅扫描的过程中，我们也保存最近遇到（上一个）的边界B’的编号，记为LNBD。

光栅扫描(RasterScan)

轮廓提取算法

参考
https://blog.csdn.net/hjxu2016/article/details/77833336
https://bbs.huaweicloud.com/blogs/detail/286678
https://docs.opencv.org/3.4/df/d0d/tutorial_find_contours.html
https://zhuanlan.zhihu.com/p/144807771
https://zhuanlan.zhihu.com/p/107257870