提取轮廓和描述子

Mat image = imread("D:/picture/images/binaryGroup.bmp",0);  
if(!image.data)  
    return -1;  
imshow("源图像",image);  
  
//获取轮廓  
std::vector<std::vector<Point>> contours;  
//获取轮廓：  
findContours(image,         //图像  
    contours,               //轮廓点  
                    //包含图像拓扑结构的信息（可选参数，这里没有选）  
    CV_RETR_EXTERNAL,           //获取轮廓的方法（这里获取外围轮廓）  
    CV_CHAIN_APPROX_NONE);      //轮廓近似的方法（这里不近似，获取全部轮廓）  
//打印轮廓信息  
std::cout<<"共有外围轮廓："<<contours.size()<<"条"<<std::endl;  
std::vector<std::vector<Point>>::const_iterator itContours = contours.begin();  
for(;itContours != contours.end();++itContours)  
{  
    std::cout<<"每个轮廓的长度: "<<itContours->size()<<std::endl;  
}  

注意到轮廓的存储格式为std::vector<std::vector<Point>>，他说明整个轮廓是若干条轮廓按一定顺序组成的，而每个轮廓中的点也是有顺序的。

画出轮廓就比较简单了：

//画出轮廓  
Mat result(image.size(),CV_8U,Scalar(255));  
//画出轮廓，参数为：画板，轮廓，轮廓指示（这里画出所有轮廓），颜色，线粗  
drawContours(result,contours,-1,Scalar(0),2);  
imshow("提取外围轮廓",result);  

还要注意提取轮廓的方法还有很多种，比如CV_RETR_LIST代表所有轮廓

findContours(image,         //图像  
    contours,               //轮廓点  
                    //包含图像拓扑结构的信息（可选参数，这里没有选）  
    CV_RETR_LIST,           //获取轮廓的方法（这里获取所有轮廓）  
    CV_CHAIN_APPROX_NONE);      //轮廓近似的方法（这里不近似，获取全部轮廓  
//画出轮廓  
drawContours(result,contours,-1,Scalar(0),2);  
imshow("提取所有轮廓",result);  

通常，这样提取的轮廓包含一些我们不希望的轮廓（比如一些小洞），或者假如我们知道我们感兴趣的物体轮廓的大概范围时，我们就可以用下面的办法缩小目标范围：

	//除去太长或者太短的轮廓
	int cmin = 100;
	int cmax = 1000;
	std::vector<std::vector<Point>>::const_iterator itc = contours.begin();
	while(itc != contours.end())
	{
		if(itc->size() < cmin || itc->size() > cmax)
			itc = contours.erase(itc);
		else
			++itc;
	}
	
	//把结果画在源图像上：
	Mat original = imread("D:/picture/images/group.jpg");
	if(!original.data)
		return -1;
	drawContours(original,contours,-1,Scalar(255,255,255),2);
	imshow("动物的轮廓",original);

	//将轮廓重绘于白板上
	result.setTo(Scalar(255));
	drawContours(result,contours,-1,Scalar(0),1);

怎么提取轮廓的特征呢？OpenCV提供了很多函数，我们展示其中的几个：

//轮廓的形状描述子  
//外接矩形  
Rect r0 = boundingRect(Mat(contours[0]));  
rectangle(result,r0,Scalar(0),2);  
  
//最小外接圆  
float radius;  
Point2f center;  
minEnclosingCircle(Mat(contours[1]),center,radius);  
circle(result,Point(center),static_cast<int>(radius),Scalar(0),2);  
  
//多边形估计  
std::vector<Point> poly;  
//参数为：输入图像的2维点集，输出结果，估计精度，是否闭合  
approxPolyDP(Mat(contours[2]),poly,5,true);  
std::cout<<"多边形大小："<<poly.size()<<std::endl;  
//画出结果  
std::vector<Point>::const_iterator itp = poly.begin();  
while(itp != poly.end()-1)  
{  
    line(result,*itp,*(itp+1),Scalar(0),2);  
    ++itp;  
}  
//将第一个点和最后一点连起来  
line(result,*(poly.begin()),*(poly.end()-1),Scalar(128),2);  
  
  
//计算凸包  
std::vector<Point> hull;  
convexHull(Mat(contours[3]),hull);  
std::vector<cv::Point>::const_iterator it= hull.begin();  
while(it != (hull.end()-1))  
{  
    line(result,*it,*(it+1),Scalar(0),2);  
    ++it;  
}  
line(result,*(hull.begin()),*(hull.end()-1),Scalar(0),2);  
  
  
//计算矩信息  
itc = contours.begin();  
while(itc != contours.end())  
{  
    //计算所有的距  
    Moments mom = moments(Mat(*itc++));  
    //计算并画出质心  
    circle(result,Point(mom.m10/mom.m00,mom.m01/mom.m00),2,Scalar(2),2);  
}  
imshow("形状描述子",result);  

我们再次看到，轮廓的确是有顺序的。值得注意的是矩信息：OpenCV提供了一个结构体Moments，它的元素就是计算好的矩信息，里面存放了常用的距。

其实，OpenCV还提供了许多其他的形状描述子，比如函数cv::minAreaRect计算了最小外界倾斜的矩形。函数cv::contourArea估计轮廓区域的面积（里面的像素数）。函数cv::pointPolygonTest计算一个点是否在轮廓内，cv::matchShapes测量了2两个轮廓的相似程度等等。