OpenCV——轮廓

前言

当我们通过阈值分割提取到图像中的目标物体后，我们就需要通过边缘检测来提取目标物体的轮廓，使用这两种方法基本能够确定物体的边缘或者前景。接下来，我们通常需要做的是拟合这些边缘的前景，如拟合出包含前景或者边缘像素点的最小外包矩形、圆、凸包等几何形状，为计算它们的面积或者模板匹配等操作打下坚实的基础。

       注意：边缘和轮廓并不完全相同.

轮廓发现 ( find contour)

       首先了解一下轮廓的定义。一个轮廓代表一系列的点（像素），这一系列的点构成一个有序的点集，所以可以把一个轮廓理解为一个有序的点集。

API 介绍

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

轮廓绘制 ( draw contour)

API 介绍

void drawContours(InputOutputArray image, 
	              InputArrayOfArrays contours, 
	              int contourIdx,
	              const Scalar& color,
	              int thickness = 1,
	              int lineType = 8, 
	              InputArray hierarchy = noArray(),
	              int maxLevel = INT_MAX, 
	              Point offset = Point())

代码实现

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>

using namespace std;
using namespace cv;

Mat src_img, dst_img;
const string output_win = "找到的轮廓";
int threshold_value = 100;
int threshold_max = 255;
RNG rng;
void Demo_Contours(int, void*);
int main()
{
	src_img = imread("tahiti.jpg");
	imshow("image", src_img);
	cvtColor(src_img, src_img, COLOR_BGR2GRAY);

	Demo_Contours(0, 0);

	waitKey(0);
	return 0;
}

void Demo_Contours(int, void*)
{
	Mat canny_output;
	vector<vector<Point>> contours;
	vector<Vec4i> hierachy;

// Canny 边缘检测
	Canny(src_img, canny_output, threshold_value, threshold_value * 2, 3, false);

// 轮廓发现
	findContours(canny_output, contours, hierachy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0));

	dst_img = Mat::zeros(src_img.size(), CV_8UC3);
	RNG rng(12345);
	for (auto i = 0; i < contours.size(); ++i)
	{
        // 随机颜色
		Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));   
        // 轮廓绘制 
		drawContours(dst_img, contours, i, color, 2, 8, hierachy, 0, Point(0, 0));
	}
	imshow(output_win, dst_img);
}