提取轮廓的原理

提取轮廓的原理

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。